論文の概要: Cuff-less Arterial Blood Pressure Waveform Synthesis from Single-site
PPG using Transformer & Frequency-domain Learning
- arxiv url: http://arxiv.org/abs/2401.05452v1
- Date: Tue, 9 Jan 2024 17:12:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-13 02:33:04.040906
- Title: Cuff-less Arterial Blood Pressure Waveform Synthesis from Single-site
PPG using Transformer & Frequency-domain Learning
- Title(参考訳): 変圧器・周波数領域学習を用いた単サイトPSGからのカフレス動脈血圧波形合成
- Authors: Muhammad Ahmad Tahir, Ahsan Mehmood, Muhammad Mahboob Ur Rahman,
Muhammad Wasim Nawaz, Kashif Riaz, Qammer H. Abbasi
- Abstract要約: 動脈血圧(ABP)波形に対する2つの新しい目的構築型深層学習モデルを提案する。
UCIデータセットをカフレス血圧(CLBP)に応用し,DLモデルのトレーニングと評価を行った。
- 参考スコア(独自算出の注目度): 1.0591656257413806
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose two novel purpose-built deep learning (DL) models for synthesis of
the arterial blood pressure (ABP) waveform in a cuff-less manner, using a
single-site photoplethysmography (PPG) signal. We utilize the public UCI
dataset on cuff-less blood pressure (CLBP) estimation to train and evaluate our
DL models. Firstly, we implement a transformer model that incorporates
positional encoding, multi-head attention, layer normalization, and dropout
techniques, and synthesizes the ABP waveform with a mean absolute error (MAE)
of 14. Secondly, we implement a frequency-domain (FD) learning approach where
we first obtain the discrete cosine transform (DCT) coefficients of the PPG and
ABP signals corresponding to two cardiac cycles, and then learn a
linear/non-linear (L/NL) regression between them. We learn that the FD L/NL
regression model outperforms the transformer model by achieving an MAE of 11.87
and 8.01, for diastolic blood pressure (DBP) and systolic blood pressure (SBP),
respectively. Our FD L/NL regression model also fulfills the AAMI criterion of
utilizing data from more than 85 subjects, and achieves grade B by the BHS
criterion.
- Abstract(参考訳): 単サイト光胸腺造影 (PPG) 信号を用いて, 動脈圧 (ABP) 波形をカフレスで合成するための2つの新しい深層学習モデルを提案する。
公共UCIデータセットをカフレス血圧推定(CLBP)に利用し,DLモデルのトレーニングと評価を行った。
まず,位置符号化,マルチヘッドアテンション,レイヤ正規化,ドロップアウトといった手法を取り入れたトランスフォーマーモデルを実装し,平均絶対誤差(MAE)14でAPP波形を合成する。
次に,PPG信号とAPP信号の離散コサイン変換(DCT)係数を2つの心循環に対応する周波数領域(FD)学習手法を実装し,その間の線形非線形回帰(L/NL)を学習する。
拡張期血圧 (DBP) と収縮期血圧 (SBP) はそれぞれ 11.87 と 8.01 の MAE を達成し, FD L/NL 回帰モデルがトランスフォーマーモデルより優れていることを知る。
我々のFD L/NL回帰モデルは、85名以上の被験者のデータを利用するAAMI基準を満たし、BHS基準でB級を達成している。
関連論文リスト
- DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud
Registration [73.37538551605712]
ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。
本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。
実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
論文 参考訳(メタデータ) (2023-12-05T18:59:41Z) - A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文 参考訳(メタデータ) (2023-06-26T13:23:52Z) - Non-invasive Waveform Analysis for Emergency Triage via Simulated
Hemorrhage: An Experimental Study using Novel Dynamic Lower Body Negative
Pressure Model [3.0180851707924243]
本研究では,現在進行中の低ボロン血症のレベルを分類するために,ディープラーニング(DL)フレームワークの識別能力について検討した。
従来のモデルとは対照的に,動的LBNPプロトコルを用い,LBNPを段階的に段階的に段階的に段階的に適用した。
基礎となる非侵襲的な信号とラベリングセグメントを対応するLBNPターゲットレベルにセグメント化することにより,3次分類のためのDLベースのフレームワークを実現した。
論文 参考訳(メタデータ) (2023-03-01T12:37:52Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - 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) - 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) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-18T09:49:11Z) - 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) - 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) - 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) - Belief Propagation Reloaded: Learning BP-Layers for Labeling Problems [83.98774574197613]
最も単純な推論手法の1つとして、切り詰められた最大積のBelief伝播を取り上げ、それをディープラーニングモデルの適切なコンポーネントにするために必要となるものを加えます。
このBP-Layerは畳み込みニューラルネットワーク(CNN)の最終ブロックまたは中間ブロックとして使用できる
このモデルは様々な密集予測問題に適用可能であり、パラメータ効率が高く、ステレオ、光フロー、セマンティックセグメンテーションにおける堅牢な解を提供する。
論文 参考訳(メタデータ) (2020-03-13T13:11:35Z)
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。