PPG2ABP：利用全卷积神经网络将光电容积脉搏波信号转换为动脉血压波形
信号处理
2022-09-27 v2 机器学习
摘要
心血管疾病是最严重的致死原因之一，每年在全球范围内夺走大量生命。连续监测血压似乎是最可行的方案，但这需要侵入性过程，带来诸多复杂性。这促使我们开发一种方法，通过使用光电容积脉搏波（PPG）信号的非侵入性方法预测连续的动脉血压（ABP）波形。此外，我们探索了深度学习的优势，因为它将使我们不再局限于仅使用理想形状的PPG信号，使手工特征计算变得无关紧要，而这是现有方法的一个缺点。因此，我们提出了PPG2ABP，这是一种基于深度学习的方法，能够从输入的PPG信号中预测连续的ABP波形，平均绝对误差为4.604 mmHg，同时保持了波形的形状、幅度和相位。然而，PPG2ABP更令人震惊的成功在于，从预测的ABP波形中计算出的舒张压（DBP）、平均动脉压（MAP）和收缩压（SBP）值在多个指标上优于现有工作，尽管PPG2ABP并未被明确训练来执行此任务。
引用
@article{arxiv.2005.01669,
title = {PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood Pressure (ABP) Waveforms using Fully Convolutional Neural Networks},
author = {Nabil Ibtehaz and Sakib Mahmud and Muhammad E. H. Chowdhury and Amith Khandakar and Mohamed Arselene Ayari and Anas Tahir and M. Sohel Rahman},
journal= {arXiv preprint arXiv:2005.01669},
year = {2022}
}