基于证据回归的血压连续监测
信号处理
2021-03-01 v2 机器学习
摘要
基于光电容积描记（PPG）信号的血压（BP）估计是现代血压测量的一个有前景的候选方案，因为 PPG 信号可通过可穿戴设备以无创方式轻松获取，从而实现快速血压测量。然而，现有基于机器学习的血压测量方法的性能仍落后于部分血压测量指南，且大多数仅提供收缩压（SBP）和舒张压（DBP）的点估计。本文提出一种前沿方法，能够从 PPG 信号连续监测血压，并满足美国医疗器械促进协会（AAMI）和英国高血压学会（BHS）标准等医疗健康准则。此外，所提方法通过估计预测血压的不确定性来提供其可靠性，以辅助基于模型预测的医疗诊断。在 MIMIC II 数据库上的实验验证了该方法在多项指标下的 SOTA 性能及其准确表征预测不确定性的能力。
引用
@article{arxiv.2102.03542,
title = {Continuous Monitoring of Blood Pressure with Evidential Regression},
author = {Hyeongju Kim and Woo Hyun Kang and Hyeonseung Lee and Nam Soo Kim},
journal= {arXiv preprint arXiv:2102.03542},
year = {2021}
}
备注
We found some errors in the experimental configuration. We plan to revise the paper and republish it later