使用循环生成对抗网络从光电容积脉搏波重建新型血压波形
机器学习
2022-01-26 v1
摘要
连续血压（BP）监测可帮助个体管理高血压等慢性疾病，这要求在自由生活条件下采用无创测量方法。近期方法利用不同的机器学习和深度学习方法融合光电容积脉搏波（PPG）与心电（ECG）信号以无创估计血压；然而，它们未能重建完整信号，导致模型精度较低。本文提出一种基于循环生成对抗网络（CycleGAN）的方法，从干净的 PPG 信号中提取称为动态血压（ABP）的血压信号。我们的方法使用循环生成对抗网络，该网络扩展了用于域转换的 GAN 架构，在血压估计方面优于现有最优方法，性能提升最高达 2 倍。
引用
@article{arxiv.2201.09976,
title = {Novel Blood Pressure Waveform Reconstruction from Photoplethysmography using Cycle Generative Adversarial Networks},
author = {Milad Asgari Mehrabadi and Seyed Amir Hossein Aqajari and Amir Hosein Afandizadeh Zargari and Nikil Dutt and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2201.09976},
year = {2022}
}