{rfName}
Ma

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

1

Altmetrics

Investigadores/as Institucionales

Feito-Casares, EnriqueAutor (correspondencia)Melgarejo-Meseguer, Francisco MAutor o CoautorRojo-álvarez, José-LuisAutor o Coautor

Compartir

1 de junio de 2026
Publicaciones
>
Artículo
Hybrid Gold

Manifold Learning Approaches for Characterizing Photoplethysmographic Signals

Publicado en: IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING. 73 (6): 2214-2226 - 2026-06-01, DOI: 10.1109/TBME.2025.3625858

Autores:

Feito-Casares, Enrique; Melgarejo-Meseguer, Francisco M; Cobo, Alejandro; Baumela, Luis; Rojo-Alvarez, Jose-Luis
[+]

Afiliaciones

Univ Politecn Madrid, Madrid, Spain - Autor o Coautor
Univ Rey Juan Carlos, Madrid 28933, Spain - Autor o Coautor

Resumen

Objective: Photoplethysmography (PPG) is widely used for cardiovascular monitoring, but its analysis is challenged by signal variability, inconsistent acquisition settings, and limited interpretability. This study investigates the use of low-dimensional embeddings to support downstream tasks, including anomaly detection, activity classification, and signal authenticity verification across diverse PPG modalities. Methods: We developed a pipeline leveraging dimensionality reduction techniques, Autoencoder (AE), Fully Connected Neural Network (FCNN), and Uniform Manifold Approximation and Projection (UMAP) to extract compact signal representations. These methods were evaluated across four datasets representing clinical (BIDMC, MIMIC-PERFORM), wearable (Wrist PPG), and remote PPG (UBFC) recordings. Performance was assessed through clustering indices, classification metrics, and anomaly detection rates under varying noise levels. Results: Quantitative evaluation demonstrated that AE-based embeddings enabled accurate discrimination between neonatal and adult signals in the MIMIC-PERFORM dataset (F1 = 0.92, AUC = 0.90), while UMAP outperformed AE and FCNN in clustering physical activities from Wrist PPG data (Davies-Bouldin Index = 5.40). In the BIDMC dataset, the framework detected synthetic anomalies with an AUC of 0.77 at 2 dB SNR, with detection rates declining consistently with reduced noise. On the UBFC dataset, UMAP embeddings supported the detection of manipulated rPPG signals with an F1 score of 0.75 and an AUC of 0.73. Conclusion: Low-dimensional representations provide a compact and task-relevant encoding of PPG signals that enhances classification and detection performance in multiple scenarios. While interpretability gains remain task-dependent, these findings support the utility of embedding-based approaches in biomedical signal analysis and their robustness across modalities and noise conditions.
[+]

Palabras clave

AdultAlgorithmsArterialAutoencoder (ae)AutoencodersBiomedical engineeringBiomedical monitoringBiomedical signal processingComponentsDeep learning (dl)Feature extractionFemaleHumansInfant, newbornMachine learningMaleManifold learning (mnl)ManifoldsMonitoringNeural networks, computerOptical variables measurementPhotoelectric plethysmographyPhotoplethysmographyPhotoplethysmography (ppg)PipelinesSignal processing, computer-assistedSkinWearable electronic devicesYoung adult

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2026, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Biomedical Engineering.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-11-02:

  • Scopus: 1
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-11-02:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 5 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Feito Casares, Enrique) y Último Autor (Rojo Álvarez, José Luis).

el autor responsable de establecer las labores de correspondencia ha sido Feito Casares, Enrique.

[+]

Objetivos del proyecto

La aportación persigue los siguientes objetivos: analizar la aplicabilidad de técnicas de reducción dimensional para representar señales fotopletismográficas (PPG) en diversas modalidades; evaluar el desempeño de autoencoders, redes neuronales totalmente conectadas y UMAP en tareas de detección de anomalías, clasificación de actividades y verificación de autenticidad de señales; determinar la eficacia de estas representaciones compactas mediante índices de agrupamiento, métricas de clasificación y tasas de detección bajo distintos niveles de ruido; caracterizar la discriminación entre señales neonatales y adultas en el conjunto MIMIC-PERFORM; y comparar el rendimiento de los métodos en conjuntos clínicos, portátiles y remotos, evidenciando la robustez y utilidad de los embeddings en el análisis biomédico.
[+]

Resultados más relevantes

Los resultados más relevantes del estudio evidencian la eficacia de técnicas de reducción dimensional para el análisis de señales fotopletismográficas (PPG). Primero, los embeddings basados en Autoencoder permitieron discriminar con alta precisión señales neonatales y adultas en el conjunto MIMIC-PERFORM, alcanzando un F1 de 0.92 y un AUC de 0.90. Segundo, UMAP superó a AE y FCNN en la agrupación de actividades físicas en datos de Wrist PPG, con un índice Davies Bouldin de 5.40. Tercero, en el conjunto BIDMC, el método detectó anomalías sintéticas con un AUC de 0.77 a 2 dB SNR, aunque la tasa de detección disminuyó con el aumento del ruido. Finalmente, en UBFC, UMAP facilitó la detección de señales rPPG manipuladas con un F1 de 0.75 y un AUC de 0.73.
[+]

Reconocimientos ligados al ítem

This work was supported in part by Research Grants HERMES, LATENTIA, PCardioTrials, and ETHICFACE under Grant PID2023-152331OA-I00, Grant PID2022-140786NB-C31, Grant PID2022-140553OA-C42, and Grant PID2022-137581OB-I00, in part by MICIU/AEI/10.13039/501100011033 and ERDF, FEDER/EU. in part by Rey Juan Carlos University under Grant HERMES 2024/00004/00, in part by the Programa Propio of UPM, in part by CyberFold project, funded by European Union through the NextGenerationEU instrument (Recovery, Transformation, and Resilience Plan), and managed by Instituto Nacional de Ciberseguridad de Espana (INCIBE), under Grant ETD202300129, and in part by Comunidad de Madrid to the Madrid ELLIS Unit.
[+]