基于单站点 PPG 利用 Transformer 与频域学习的无袖带动脉血压波形合成
信号处理
2024-06-11 v2 信息论
机器学习
math.IT
摘要
我们开发并评估了两种 novel 专用深度学习（DL）模型，用于利用单站点光电容积脉搏波（PPG）信号以无袖带方式合成动脉血压（ABP）波形。我们在来自公共 UCI 无袖带血压（CLBP）估计数据集的 209 名受试者数据上训练并评估了我们的 DL 模型。我们的 Transformer 模型包含一个编码器 - 解码器对，结合了位置编码、多头注意力、层归一化和 dropout 技术用于 ABP 波形合成。其次，在我们的频域（FD）学习方法下，我们首先获取 PPG 和 ABP 信号的离散余弦变换（DCT）系数，然后学习它们之间的线性/非线性（L/NL）回归。Transformer 模型（FD L/NL 模型）合成 ABP 波形的平均绝对误差（MAE）为 3.01（4.23）。此外，ABP 波形的合成还使我们能够估计收缩压（SBP）和舒张压（DBP）值。为此，Transformer 模型报告的 SBP 和 DBP 的 MAE 分别为 3.77 mmHg 和 2.69 mmHg。另一方面，FD L/NL 方法报告的 SBP 和 DBP 的 MAE 分别为 4.37 mmHg 和 3.91 mmHg。两种方法均满足 AAMI 标准。至于 BHS 标准，我们的 Transformer 模型（FD L/NL 回归模型）达到了 A 级（B 级）。
引用
@article{arxiv.2401.05452,
title = {Cuff-less Arterial Blood Pressure Waveform Synthesis from Single-site PPG using Transformer & Frequency-domain Learning},
author = {Muhammad Wasim Nawaz and Muhammad Ahmad Tahir and Ahsan Mehmood and Muhammad Mahboob Ur Rahman and Kashif Riaz and Qammer H. Abbasi},
journal= {arXiv preprint arXiv:2401.05452},
year = {2024}
}
备注
8 pages, 3 figures, 2 tables, submitted for review and potential publication