Multi-site PPG: An In-the-Wild Physiological Dataset from Emerging Multi-site Wearables

📄 arXiv: 2605.17859v1 📥 PDF

作者: Jiayi Shao, Jiaying Ye, Shengyao Liu, Zachary Englhardt, Girish Narayanswamy, Vikram Iyer, Qiuyue, Xue

分类: cs.HC, cs.LG

发布日期: 2026-05-18

备注: 20 pages, 6 figures, 11 tables. Dataset and code available at the URLs in the paper

💡 一句话要点

提出Multi-site PPG多位点生理数据集，用于评估新兴可穿戴设备在真实环境下的心率监测性能。

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: PPG数据集 可穿戴设备 心率估计 多位点数据 生理信号 运动伪影 真实环境 ECG参考

📋 核心要点

  1. 现有公开的PPG数据集主要集中在手腕设备或受控的短期研究，限制了对新兴可穿戴设备形态的研究。
  2. 论文核心在于构建一个多位点、长时间、真实环境下的PPG数据集，包含耳环、戒指、手表和项链等多种可穿戴设备。
  3. 实验结果表明，不同身体部位的心率估计性能存在显著差异，数据集可用于评估运动伪影和多传感器融合策略。

📝 摘要（中文）

本文提出了Multi-site PPG，一个在真实环境下采集的多位点生理数据集，旨在推动新兴可穿戴设备的研究。该数据集包含来自四个定制开发的非侵入式可穿戴设备（智能耳环、戒指、手表和项链）的数据。每个设备记录绿色和红外反射式PPG、三轴加速度和温度，并带有时间戳以进行跨设备对齐。同时，Polar H10胸带提供参考心电图（ECG）。参与者在日常活动中佩戴这些设备多天。数据集包含超过350小时的原始数据，每个可穿戴设备有230-290小时可用于建模的8秒窗口数据。论文对启发式、监督和自监督心率估计方法进行了基准测试，结果表明不同身体部位的性能存在显著差异：最佳方法在耳环上的平均绝对误差（MAE）为2.30 bpm，在戒指上为5.13 bpm，在手表上为8.37 bpm，在项链上为8.68 bpm。此外，论文还分析了运动的影响，并评估了多位点和PPG-加速度计融合，证明了该数据集对于新兴可穿戴设备在鲁棒生理传感方面的价值。

🔬 方法详解

问题定义：现有PPG数据集主要集中在手腕，缺乏对新兴可穿戴设备形态（如耳环、戒指等）在真实环境下的性能评估。这些设备受运动伪影影响程度不同，需要更全面的数据集来开发鲁棒的心率估计算法。

核心思路：通过构建一个包含多种新兴可穿戴设备、长时间、真实环境下的PPG数据集，为研究人员提供一个评估和比较不同设备性能的平台。同时，提供参考ECG数据，方便算法开发和验证。

技术框架：该数据集包含四个定制开发的非侵入式可穿戴设备：智能耳环、戒指、手表和项链。每个设备记录绿色和红外反射式PPG、三轴加速度和温度，并带有时间戳以进行跨设备对齐。Polar H10胸带提供参考ECG。参与者在日常活动中佩戴这些设备多天。数据预处理包括数据同步、噪声过滤和分割成8秒窗口。

关键创新：该数据集的主要创新在于其多位点、长时间、真实环境的特性。与现有数据集相比，它更全面地覆盖了新兴可穿戴设备形态，并提供了更真实的应用场景。此外，数据集还包含了加速度计数据，方便研究运动伪影消除和多传感器融合。

关键设计：每个可穿戴设备都配备了绿色和红外PPG传感器，以捕捉不同波长的光吸收特性。三轴加速度计用于检测运动伪影。温度传感器用于监测环境温度。Polar H10胸带提供高质量的参考ECG信号。数据以原始格式存储，方便研究人员进行自定义处理。论文还提供了基准测试代码，方便研究人员快速上手。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文对启发式、监督和自监督心率估计方法进行了基准测试，结果表明不同身体部位的性能存在显著差异。最佳方法在耳环上的平均绝对误差（MAE）为2.30 bpm，在戒指上为5.13 bpm，在手表上为8.37 bpm，在项链上为8.68 bpm。这些结果为选择合适的穿戴位置和开发针对特定位置的算法提供了重要参考。

🎯 应用场景

该数据集可用于开发更鲁棒、更准确的心率估计算法，尤其适用于新兴可穿戴设备。潜在应用包括远程医疗、运动监测、压力管理和睡眠监测等。通过分析不同身体部位的生理信号，可以为个性化健康管理提供更全面的数据支持。

📄 摘要（原文）

Wearables are widely used for mobile health monitoring, and photoplethysmography (PPG) is a key sensing modality for heart rate and related physiological measurements. However, public in-the-wild PPG datasets remain largely wrist-centric or limited to short, controlled studies, constraining research on emerging wearable form factors. We present Multi-site PPG, an in-the-wild physiological dataset collected from four custom-developed unobtrusive wearables: a smart earring, ring, watch, and necklace. Each device records green and infrared reflective PPG, 3-axis acceleration, and temperature with timestamps for cross-device alignment, while a Polar H10 chest strap provides reference electrocardiogram (ECG). Participants wore the devices for multiple days during daytime activities while continuing their normal routines. The dataset contains over 350 hours of raw data and 230-290 hours of modeling-ready 8-second windows per wearable. We benchmark heuristic, supervised, and self-supervised heart-rate estimation methods, showing substantial body-site differences: the best methods achieve mean absolute errors (MAEs) of 2.30 bpm on the earring, 5.13 bpm on the ring, 8.37 bpm on the watch, and 8.68 bpm on the necklace. We further analyze motion effects and evaluate multi-site and PPG-accelerometer fusion, demonstrating the dataset's value for robust physiological sensing across emerging wearable form factors.