Core Concepts
Das vorgestellte System ermöglicht eine individuelle Identifizierung mit einer Genauigkeit von 97,04% durch Analyse von Magnetokardiographie-Signalen, die mit optisch gepumpten Magnetometern gemessen wurden.
Abstract
Die Studie präsentiert ein System zur individuellen Identifizierung basierend auf Magnetokardiographie (MCG)-Signalen, die mit optisch gepumpten Magnetometern (OPMs) gemessen wurden. Das System nutzt Mustererkennung, um die an verschiedenen Körperpositionen erfassten Signale zu analysieren, indem es die aus MCG-Signalen zusammengesetzten Matrizen mit einem 2x2-Fenster abtastet. Um die räumlichen Informationen der MCG-Signale zu nutzen, werden die Signale aus benachbarten Bereichen in vier Kanäle eines Datensatzes transformiert. Die Daten werden dann mithilfe der Wavelet-Transformation in Zeit-Frequenz-Matrizen umgewandelt und mit einem Convolutional Neural Network (CNN) klassifiziert. Das System erreicht eine Genauigkeit von 97,04% bei der Identifizierung von Individuen. Dies zeigt, dass MCG-Signale großes Potenzial für Identifizierungssysteme haben und ein wertvolles Instrument für das personalisierte Gesundheitsmanagement darstellen können.
Die Studie beschreibt zunächst die Entwicklung des MCG-Systems, das auf selbstgebauten OPMs basiert und bei Raumtemperatur und in natürlichen Magnetfeldern arbeitet. Anschließend wird die Datenerfassung erläutert, bei der MCG-Signale an 49 verschiedenen Positionen über dem Brustkorb gemessen wurden, um die räumlichen Unterschiede zu erfassen. Zur Verbesserung der Signalqualität wurden zusätzlich EKG- und Fingerpulssignale aufgezeichnet.
Der Datenprozessierung-Abschnitt beschreibt die Schritte zur Rauschunterdrückung, einschließlich eines 75-Hz-Tiefpassfilters und der Anpassung einer Sinuswelle an das gefilterte Signal, um den Einfluss des Industrierauschens weiter zu reduzieren. Anschließend wurden die MCG-Signale mithilfe der Wavelet-Transformation in Zeit-Frequenz-Matrizen umgewandelt, wobei die Signale benachbarter Messpunkte zu Datensätzen mit vier Kanälen zusammengefasst wurden.
Die Ergebnisse zeigen, dass das System bei der Identifizierung von zwei Personen eine F1-Punktzahl von 99,31% erreicht. Bei der Klassifizierung von fünf Personen liegt die makroskopische F1-Punktzahl bei 97,04%. Darüber hinaus wurde die Robustheit des Systems gegenüber Rauschen getestet, indem zufälliges und gaußsches Rauschen zu den Signalen hinzugefügt wurden. Die Ergebnisse zeigen, dass das System bei Rauschpegeln unter 2 dB−1 im Vergleich zum MCG-Signal zuverlässig funktioniert.
Abschließend werden mögliche Herausforderungen und Einschränkungen des Systems diskutiert, wie der Einfluss von Herzerkrankungen auf die Identifizierung und die Notwendigkeit, die Robustheit des Systems in realen Umgebungen weiter zu testen.
Stats
Die Amplitude der aufgezeichneten MCG-Signale beträgt etwa 3.000 pT.
Der Spitzenwert der R-Welle beträgt etwa 20 pT, und das Tal der S-Welle etwa -5 pT.
Quotes
"Unsere Ergebnisse zeigen, dass MCG-Signale großes Potenzial für Identifizierungssysteme haben und ein wertvolles Instrument für das personalisierte Gesundheitsmanagement darstellen können."
"Das Modell ist robuster gegenüber dem gaußschen Rauschen, das einer Normalverteilung folgt, als gegenüber dem Zufallsrauschen."