大型语言模型用于基于可穿戴生物信号的无袖血压测量
信号处理
2024-07-08 v3 人工智能
计算与语言
摘要
大型语言模型(LLM)因其在各种文本任务中的卓越性能而在学术界和工业界引起广泛关注。然而，利用LLM分析生理时间序列数据仍是一项新兴的研究领域。特别是，目前缺乏将LLM用于分析可穿戴生物信号以实现无袖血压(BP)测量的研究，这对于管理心血管疾病至关重要。本文首次探索LLM用于基于可穿戴生物信号的无袖BP估计的潜力。我们从心电图(ECG)和脉搏血压(PPG)信号中提取生理特征，并通过将这些特征与BP领域知识和用户信息相结合，设计了上下文增强提示。随后，我们通过微调将LLM适配BP估计任务。为评估所提出的方法，我们使用来自1,272名受试者的可穿戴生物信号全面公共数据集，对十个先进的LLM进行评估。实验结果表明，经过最佳微调的LLM显著优于常规任务特定基线，实现systolic BP估计误差为0.00 ± 9.25 mmHg，diastolic BP估计误差为1.29 ± 6.37 mmHg。值得注意的是，消融研究表明，我们的上下文增强策略可使systolic BP估计的平均绝对误差降低8.9%。本文首次探索了LLM用于无袖血压测量，为提高无袖血压测量准确性提供了潜在解决方案。
引用
@article{arxiv.2406.18069,
title = {Large Language Models for Cuffless Blood Pressure Measurement From Wearable Biosignals},
author = {Zengding Liu and Chen Chen and Jiannong Cao and Minglei Pan and Jikui Liu and Nan Li and Fen Miao and Ye Li},
journal= {arXiv preprint arXiv:2406.18069},
year = {2024}
}