Fugu-MT 論文翻訳(概要): Estimation of Continuous Blood Pressure from PPG via a Federated Learning Approach

論文の概要: Estimation of Continuous Blood Pressure from PPG via a Federated Learning Approach

arxiv url: http://arxiv.org/abs/2102.12245v1
Date: Wed, 24 Feb 2021 12:11:23 GMT
ステータス: 処理完了
システム内更新日: 2021-02-26 08:13:20.832278
Title: Estimation of Continuous Blood Pressure from PPG via a Federated Learning Approach
Title（参考訳）: 連合学習法によるppgからの連続血圧の推定
Authors: Eoin Brophy, Maarten De Vos, Geraldine Boylan, Tomas Ward
Abstract要約: 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。
参考スコア（独自算出の注目度）: 5.275287291173557
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ischemic heart disease is the highest cause of mortality globally each year. This not only puts a massive strain on the lives of those affected but also on the public healthcare systems. To understand the dynamics of the healthy and unhealthy heart doctors commonly use electrocardiogram (ECG) and blood pressure (BP) readings. These methods are often quite invasive, in particular when continuous arterial blood pressure (ABP) readings are taken and not to mention very costly. Using machine learning methods we seek to develop a framework that is capable of inferring ABP from a single optical photoplethysmogram (PPG) sensor alone. We train our framework across distributed models and data sources to mimic a large-scale distributed collaborative learning experiment that could be implemented across low-cost wearables. Our time series-to-time series generative adversarial network (T2TGAN) is capable of high-quality continuous ABP generation from a PPG signal with a mean error of 2.54 mmHg and a standard deviation of 23.7 mmHg when estimating mean arterial pressure on a previously unseen, noisy, independent dataset. To our knowledge, this framework is the first example of a GAN capable of continuous ABP generation from an input PPG signal that also uses a federated learning methodology.
Abstract（参考訳）: 虚血性心疾患は毎年最も死亡率が高い疾患である。これは、影響を受けた人々の生活だけでなく、公共の医療システムにも大きな負担をかけます。健康や不健康な心臓医師の力学を理解するために、心電図(ECG)と血圧計(BP)が一般的である。これらの方法は、特に連続動脈血圧(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。機械学習手法を用いて,単一光光電容積(ppg)センサのみからappを推定することのできるフレームワークの開発を試みた。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で実装可能な大規模な分散協調学習実験を模倣します。我々の時系列時系列生成逆数ネットワーク(T2TGAN)は、2.54 mmHgの平均誤差と23.7 mmHgの標準偏差でPSG信号から高品質な連続ABPを生成することができる。私たちの知る限りでは、このフレームワークは、フェデレーション学習方法論を使用する入力PPG信号から連続的なABP生成が可能なGANの最初の例です。

関連論文リスト

FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文参考訳（メタデータ） (2024-10-28T02:24:01Z)
Adversarial Contrastive Learning Based Physics-Informed Temporal Networks for Cuffless Blood Pressure Estimation [37.94387581519217]
逆相関学習を用いた物理インフォームド・テンポラル・ネットワーク(PITN)を導入し,非常に限られたデータで正確なBP推定を実現する。次に, 対人訓練を駆使して生理的時系列データを生成し, スパースデータに面したPITNの堅牢性を向上させる。
論文参考訳（メタデータ） (2024-08-16T02:17:21Z)
TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing [5.255373360156652]
血圧(BP)は、高血圧の正確かつタイムリーな診断および/または治療のための重要な健康指標である。人工知能(AI)とディープニューラルネットワーク(DNN)の最近の進歩は、データ駆動ソリューションの開発への関心の高まりにつながっている。本研究は,カフレスBP推定にMIMIC IVデータセットを適用した最初の研究である。
論文参考訳（メタデータ） (2024-04-15T00:36:33Z)
Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文参考訳（メタデータ） (2023-10-24T11:34:15Z)
Hypertension Detection From High-Dimensional Representation of Photoplethysmogram Signals [38.497450879376]
高血圧の早期発見は、重要な健康問題の予防に不可欠である。いくつかの研究は、血圧と光胸腺図(PPG)のような特定のバイタルシグナルとの関係を示唆している。本稿では, PPG信号を用いた高血圧検出のために, ランダム畳み込みカーネルに基づく高次元表現手法を提案する。
論文参考訳（メタデータ） (2023-07-31T00:09:23Z)
A Shallow U-Net Architecture for Reliably Predicting Blood Pressure (BP) from Photoplethysmogram (PPG) and Electrocardiogram (ECG) Signals [1.1695966610359496]
病院で血液圧(BP)の連続モニタリングに使われている方法のほとんどは、侵襲的である。本研究では,光胸腺図や心電図などの非侵襲的に収集可能な信号からBPを予測するためのオートエンコーダの適用性を検討した。非常に浅い1次元オートエンコーダは、非常に大きなデータセット上で最先端の性能でSBPとDBPを予測するために関連する特徴を抽出できることがわかった。
論文参考訳（メタデータ） (2021-11-12T19:34:20Z)
A Novel Clustering-Based Algorithm for Continuous and Non-invasive Cuff-Less Blood Pressure Estimation [0.0]
心電図(ECG)信号と動脈血圧(ABP)データから抽出した特徴に基づく血圧推定法を開発した。クラスタリング手法を適用して, モデル作成の精度を高く評価し, 比較した。以上の結果から,SBP (Systolic Blood Pressure) とDBP (Distolic Blood Pressure) の精度が向上することが示唆された。
論文参考訳（メタデータ） (2021-10-13T19:16:10Z)
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)
Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文参考訳（メタデータ） (2021-04-07T06:02:04Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)
PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood Pressure (ABP) Waveforms using Fully Convolutional Neural Networks [1.0045192779791103]
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。
論文参考訳（メタデータ） (2020-05-04T17:22:44Z)

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。