日常生活中智能手机使用的被动心率监测

静息心率（RHR）是心血管健康和死亡率的关键生物标志物，但其纵向被动追踪通常需要可穿戴设备，限制了其可用性。本文介绍了被动心率监测（PHRM），这是一种深度学习系统，利用基于面部视频的光电容积描记术，在日常智能手机交互过程中进行被动的心率（HR）和静息心率测量。我们的系统使用了来自485名参与者的192,353个视频进行开发，并在实验室和自由生活条件下，使用来自211名参与者的162,546个视频进行了验证，据我们所知，这是同类研究中规模最大的验证研究。PHRM在我们的基准测试中优于最先进的方法。与参考心电图相比，PHRM在浅、中、深三种肤色组的心率测量中，平均绝对百分比误差（MAPE）均低于10%，达到了行业精度标准；各肤色组之间的MAPE无显著差异。与可穿戴心率追踪器相比，PHRM测量的每日静息心率平均绝对误差小于每分钟5次心跳，并且与已知的心血管疾病风险因素相关。这些结果突显了智能手机在实现被动、公平的心脏健康监测方面的潜力。为促进进一步研究，我们公开发布了一个大型、带注释的智能手机视频数据集以及一个预训练的心率模型。