从 PPG 信号预测血压的深度学习方法
机器学习
2021-08-03 v1 信号处理
摘要
血压(BP)是表明身体重要(维持生命)功能状态的四项主要生命体征之一。使用血压计(即血压袖带)难以在日常环境中连续监测血压。然而,其他可轻松连续获取的健康信号,如光电容积描记术(PPG),与主动脉压力波形存在一些相似性。基于这些相似性,近年来提出了多种从 PPG 信号预测血压的方法。在这些结果基础上,我们提出了一种先进的个性化数据驱动方法,使用三层深度神经网络基于 PPG 信号估计血压。与以往工作不同,所提模型在时域分析 PPG 信号并自动提取该特定应用的最关键特征,随后使用一种称为长短期记忆(LSTM)的循环神经网络变体将提取的特征映射到该时间窗对应的血压值。在两个独立的标准医院数据集上的实验结果表明,收缩期和舒张期血压值的绝对误差均值与绝对误差标准差均优于先前工作。
引用
@article{arxiv.2108.00099,
title = {A Deep Learning Approach to Predict Blood Pressure from PPG Signals},
author = {Ali Tazarv and Marco Levorato},
journal= {arXiv preprint arXiv:2108.00099},
year = {2021}
}
备注
Accepted at EMBC'21