論文の概要: Continuous Monitoring of Blood Pressure with Evidential Regression
- arxiv url: http://arxiv.org/abs/2102.03542v1
- Date: Sat, 6 Feb 2021 09:09:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 15:22:56.998923
- Title: Continuous Monitoring of Blood Pressure with Evidential Regression
- Title（参考訳）: エビデンシャル回帰による血圧の連続モニタリング
- Authors: Hyeongju Kim, Woo Hyun Kang, Hyeonseung Lee, Nam Soo Kim
- Abstract要約: 光胸腺X線写真(MIC)信号を用いた血圧推定は,最新のBP測定の候補として期待できる。
提案手法は,不確実性を推定し,医療状態の診断に役立てることにより,予測BPの信頼性を提供する。
- 参考スコア（独自算出の注目度）: 19.92542487970484
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photoplethysmogram (PPG) signal-based blood pressure (BP) estimation is a
promising candidate for modern BP measurements, as PPG signals can be easily
obtained from wearable devices in a non-invasive manner, allowing quick BP
measurement. However, the performance of existing machine learning-based BP
measuring methods still fall behind some BP measurement guidelines and most of
them provide only point estimates of systolic blood pressure (SBP) and
diastolic blood pressure (DBP). In this paper, we present a cutting-edge method
which is capable of continuously monitoring BP from the PPG signal and
satisfies healthcare criteria such as the Association for the Advancement of
Medical Instrumentation (AAMI) and the British Hypertension Society (BHS)
standards. Furthermore, the proposed method provides the reliability of the
predicted BP by estimating its uncertainty to help diagnose medical condition
based on the model prediction. Experiments on the MIMIC II database verify the
state-of-the-art performance of the proposed method under several metrics and
its ability to accurately represent uncertainty in prediction.
- Abstract（参考訳）: PPG信号は非侵襲的な方法でウェアラブルデバイスから容易に取得でき、迅速なBP測定を可能にするため、PPG(Photoplethysmogram)信号ベースの血圧(BP)推定は、現代のBP測定の有望な候補です。
しかし、既存の機械学習ベースのBP測定法のパフォーマンスは、一部のBP測定ガイドラインの背後にあり、そのほとんどは、収縮血圧(SBP)と拡張血圧(DBP)のポイント推定のみを提供します。
本論文では、PPG信号からBPを継続的に監視し、AAMI(Association for the Advancement of Medical Instrumentation)やBHS(British Hypertension Society)規格などの医療基準を満たすことができる最先端の方法を提案する。
さらに,提案手法は,その不確実性を推定し,モデル予測に基づく診断を支援することにより,予測BPの信頼性を提供する。
MIMIC IIデータベースにおける実験により,提案手法の最先端性能と予測の不確かさを正確に表現する能力について検証した。
関連論文リスト
- SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。
本稿では、DBPプロセスの本質が、その堅牢性の主要な要因であると主張している。
論文 参考訳（メタデータ） (2024-04-22T16:10:38Z) - Exploring the limitations of blood pressure estimation using the photoplethysmography signal [0.0]
光プレモグラフィ(N-シメセ)と浸潤動脈血圧(N-IABP)を比較検討した。
N-IABP信号は、SBP(Systolic blood pressure)およびDBP(Distolic blood pressure)のAAMI標準に合致する
BP推定におけるPSGの有用性と限界について検討した。
論文 参考訳（メタデータ） (2024-04-09T14:08:23Z) - A Finger on the Pulse of Cardiovascular Health: Estimating Blood Pressure with Smartphone Photoplethysmography-Based Pulse Waveform Analysis [2.4347312660509672]
本研究は, 血圧推定のためのスマートフォンを用いた光プラチスモグラフィー(SPW-BP)の革新的4つの戦略を提案する。
我々は,高次正規化やデータ削除,境界信号再構成など,しばしば無視されるデータ品質改善技術を採用している。
相関とSHAP分析はBP推定を改善するための重要な特徴を同定した。
しかし, Bland-Altman 分析では系統的偏りがみられ, MAE 解析ではAAMI と BHS の精度基準を満たしていないことがわかった。
論文 参考訳（メタデータ） (2024-01-20T05:05:17Z) - 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) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - A Survey on Blood Pressure Measurement Technologies: Addressing
Potential Sources of Bias [4.0527913281804135]
血圧モニタリング(BP)は、心臓血管疾患の予防、診断、治療、管理において重要な役割を担っている。
最近のガイドラインでは、定期的な臨床訪問や自宅でのBPモニタリングが推奨されている。
BP測定は、測定やデバイスエラー、人口統計、身体習慣などの要因によって、かなりのバイアスとばらつきを示す可能性がある。
論文 参考訳（メタデータ） (2023-06-14T11:51:11Z) - 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) - 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) - Ambulatory blood pressure monitoring versus office blood pressure
measurement: Are there sex differences? [55.41644538483948]
オフィス血圧測定(英語: Office Blood Pressure Measurement, OBP)は、血圧を24時間で測定する技術である。
本研究の目的は,高血圧を疑う822名の患者において,性差がOBPとABPMの相違に及ぼす影響について検討することである。
論文 参考訳（メタデータ） (2021-06-04T10:09:44Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2020-02-06T16:39:44Z)
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。