基于注意力深度状态空间建模的PPG到ECG信号转换用于连续房颤检测
机器学习
2024-06-13 v4
摘要
光电容积描记法（PPG）是一种利用光学方法测量心脏生理信息的经济高效且非侵入性的技术。PPG在健康监测中日益流行，并被用于各种商用和临床可穿戴设备。尽管PPG与心电图（ECG）之间存在强相关性，但相比ECG，PPG并不能提供实质性的临床诊断价值。在此，我们提出一种与受试者无关的基于注意力的深度状态空间模型（ADSSM），用于将PPG信号转换为相应的ECG波形。该模型通过引入概率先验知识，不仅对噪声具有鲁棒性，而且数据高效。为评估我们的方法，我们使用了MIMIC-III数据库中55名受试者的原始数据，随后加入噪声进行修改以模拟真实场景。将转换后的ECG信号输入已有的房颤（AFib）检测器，所取得的PR-AUC为0.986，证明了我们方法的有效性。ADSSM使得ECG的广泛知识库与PPG的连续测量相结合，用于心血管疾病的早期诊断。
引用
@article{arxiv.2309.15375,
title = {PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling},
author = {Khuong Vo and Mostafa El-Khamy and Yoojin Choi},
journal= {arXiv preprint arXiv:2309.15375},
year = {2024}
}
备注
Accepted to 46th IEEE EMBC