論文の概要: PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood
Pressure (ABP) Waveforms using Fully Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2005.01669v2
- Date: Mon, 26 Sep 2022 15:48:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 01:31:04.867028
- Title: PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood
Pressure (ABP) Waveforms using Fully Convolutional Neural Networks
- Title（参考訳）: 完全畳み込みニューラルネットワークを用いたppg(photoplethysmogram)信号を動脈血圧(abp)波形へ変換するppg2abp
- Authors: Nabil Ibtehaz, Sakib Mahmud, Muhammad E. H. Chowdhury, Amith
Khandakar, Mohamed Arselene Ayari, Anas Tahir, M. Sohel Rahman
- Abstract要約: 光胸腺X線信号を用いた非侵襲的アプローチにより連続動脈血圧(ABP)波形を予測する手法を開発した。
入力PSG信号から連続的なAPP波形を4.604 mmHgの絶対誤差で予測する深層学習法 PPG2ABP を提案する。
PPG2ABP のより驚くべき成功は、予測された ABP 波形からの DBP, MAP, SBP の計算値が、いくつかの測定値の下で既存の成果よりも優れていることが判明した。
- 参考スコア（独自算出の注目度）: 1.0045192779791103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular diseases are one of the most severe causes of mortality,
taking a heavy toll of lives annually throughout the world. The continuous
monitoring of blood pressure seems to be the most viable option, but this
demands an invasive process, bringing about several layers of complexities.
This motivates us to develop a method to predict the continuous arterial blood
pressure (ABP) waveform through a non-invasive approach using
photoplethysmogram (PPG) signals. In addition we explore the advantage of deep
learning as it would free us from sticking to ideally shaped PPG signals only,
by making handcrafted feature computation irrelevant, which is a shortcoming of
the existing approaches. Thus, we present, PPG2ABP, a deep learning based
method, that manages to predict the continuous ABP waveform from the input PPG
signal, with a mean absolute error of 4.604 mmHg, preserving the shape,
magnitude and phase in unison. However, the more astounding success of PPG2ABP
turns out to be that the computed values of DBP, MAP and SBP from the predicted
ABP waveform outperforms the existing works under several metrics, despite that
PPG2ABP is not explicitly trained to do so.
- Abstract（参考訳）: 心臓血管疾患は死亡の最も深刻な原因の1つであり、世界中で毎年大量の命を奪っている。
血圧の連続的なモニタリングは最も有効な選択肢に思えるが、これは侵襲的なプロセスが必要であり、複雑度の層がいくつかある。
これにより,ppg(photoplethysmogram)信号を用いた非侵襲的アプローチにより,持続的動脈血圧(abp)波形を予測する方法を開発した。
さらに私たちは,既存のアプローチの欠点である手作り特徴量計算を無関係にすることで,理想的に形成されたppg信号のみに固執することから,ディープラーニングのメリットを探求する。
そこで本研究では,入力されたPSG信号から連続的なAPP波形を4.604mmHgの平均絶対誤差で予測し,その形状,大きさ,位相を一様に保存する深層学習方式 PPG2ABP を提案する。
しかし、PPG2ABPのより驚くべき成功は、予測されたAPP波形からのDBP、MAP、SBPの計算値が、PPG2ABPが明示的に訓練されていないにもかかわらず、既存の測定値よりも優れていることが判明した。
関連論文リスト
- Towards Better Adversarial Purification via Adversarial Denoising Diffusion Training [65.10019978876863]
拡散型浄化(DBP)は、敵の攻撃を防御するための有望なアプローチとして浮上している。
従来,DBPモデルのロバスト性評価には疑わしい手法が用いられてきた。
本稿では,DBPモデルの堅牢性向上を目的としたADDT(Adversarial Denoising Diffusion Training)を提案する。
論文 参考訳（メタデータ） (2024-04-22T16:10:38Z) - Belief Propagation Decoding of Quantum LDPC Codes with Guided Decimation [55.8930142490617]
BPガイドデシミテーション(BPGD)に基づくQLDPC符号のデコーダを提案する。
BPGDは非収束によるBP故障率を著しく低下させる。
論文 参考訳（メタデータ） (2023-12-18T05:58:07Z) - Provably Efficient UCB-type Algorithms For Learning Predictive State
Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である
本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。
PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文 参考訳（メタデータ） (2023-07-01T18:35:21Z) - Optimality Guarantees for Particle Belief Approximation of POMDPs [55.83001584645448]
部分的に観測可能なマルコフ決定プロセス(POMDP)は、現実の意思決定と制御の問題に対する柔軟な表現を提供する。
POMDPは、特に状態と観測空間が連続的またはハイブリッドである場合、解決するのが非常に難しい。
本稿では,これらのアルゴリズムが使用する粒子フィルタリング手法の近似誤差を特徴付ける理論を提案する。
論文 参考訳（メタデータ） (2022-10-10T21:11:55Z) - Novel Blood Pressure Waveform Reconstruction from Photoplethysmography
using Cycle Generative Adversarial Networks [2.0253391348983]
血圧(BP)の連続モニタリングは、個人が慢性疾患を高血圧として管理するのに役立つ。
クリーンなPSG信号からBP信号を循環性血圧(ABP)として抽出するサイクル生成対向ネットワーク(CycleGAN)を提案する。
提案手法では,GANアーキテクチャをドメイン翻訳に拡張し,BP推定の2倍の精度で最先端の手法を高速化する。
論文 参考訳（メタデータ） (2022-01-24T22:14:58Z) - BP-Net: Efficient Deep Learning for Continuous Arterial Blood Pressure
Estimation using Photoplethysmogram [0.06524460254566904]
血圧は心臓血管疾患や脳卒中に最も影響を及ぼすバイオマーカーの1つである。
連続BPモニタリングへの現在のカフレスアプローチは、フォトプレソグラム信号を取り巻く明示的な特徴工学を含む。
本稿では,PPG波形を用いてSystolic BP (SBP), Mean Average Pressure (MAP), Diastolic BP (DBP) を中間連続動脈BP (ABP) 波形で推定する。
論文 参考訳（メタデータ） (2021-11-29T14:43:58Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - A Deep Learning Approach to Predict Blood Pressure from PPG Signals [10.028103259763352]
血圧(BP)は、身体の生命維持機能を示す4つの主要な重要な兆候の1つである。
PPG信号に基づいてBPを推定するために,3層ディープニューラルネットワークを用いた高度なデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2021-07-30T22:45:34Z) - Estimation of Continuous Blood Pressure from PPG via a Federated
Learning Approach [5.275287291173557]
虚血性心疾患は毎年最も死亡率が高い疾患である。
心電図(ecg)と動脈圧(bp)をよく使う健康で不健康な心臓医師の動態を理解する。
これらの方法は、特に動脈圧(abp)を読み取る際に非常に侵襲的であり、非常にコストがかかることはない。
分散モデルとデータソースにまたがるフレームワークをトレーニングし、低コストのウェアラブルに実装可能な大規模な協調学習実験を模倣します。
論文 参考訳（メタデータ） (2021-02-24T12:11:23Z) - Estimating Blood Pressure from Photoplethysmogram Signal and Demographic
Features using Machine Learning Techniques [0.0]
高血圧は潜在的に安全でない健康障害であり、血圧(BP)から直接示すことができる
BPの連続的なモニタリングは非常に重要であるが、BP測定は離散的であり、ユーザにとって不快である。
このニーズに対処するために、カフレス、連続、非侵襲的なBP測定システムを提案する。
論文 参考訳（メタデータ） (2020-05-07T09:45:02Z) - Continual Weight Updates and Convolutional Architectures for Equilibrium
Propagation [69.87491240509485]
Equilibrium Propagation (EP)は、ニューラルネットワークのトレーニングのためのバックプロパゲーション(BP)に対する生物学的にインスパイアされた代替アルゴリズムである。
本稿では,方程式の簡易化,学習の高速化,CNNへのEP拡張を可能にするEPの離散時間定式化を提案する。
我々のCNNモデルは、EPでMNISTで報告された最高のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2020-04-29T12:14:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。