論文の概要: A Finger on the Pulse of Cardiovascular Health: Smartphone Photoplethysmography-Based Pulse Waveform Analysis for Blood Pressure Measurement

• arxiv url: http://arxiv.org/abs/2401.11117v1
• Date: Sat, 20 Jan 2024 05:05:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 17:56:31.321730
• Title: A Finger on the Pulse of Cardiovascular Health: Smartphone Photoplethysmography-Based Pulse Waveform Analysis for Blood Pressure Measurement
• Title（参考訳）: 心臓血管健康の脈拍の指 : スマートフォンによる脈拍波形解析による血圧測定
• Authors: Ivan Liu, Fangyuan Liu, Qi Zhong, Shiguang Ni
• Abstract要約: 血圧モニタリング(BP)は、医療機器や専門知識へのアクセス制限などの課題に直面している。 一方、ポータブルなカフBPデバイスは、一日中持ち歩くのが面倒で、先進国ではコストが抑えられないことが多い。 本研究では、連続BPモニタリングにおけるスマートフォンの利用について検討し、機械学習モデルの不透明性に関連する信頼障壁を克服することに焦点を当てた。
• 参考スコア（独自算出の注目度）: 2.6597689982591044
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Routine blood pressure (BP) monitoring, crucial for health assessment, faces challenges such as limited access to medical-grade equipment and expertise. Portable cuff BP devices, on the other hand, are cumbersome to carry all day and often cost-prohibitive in less developed countries. Besides, these sphygmomanometer-based devices can cause discomfort and disrupt blood flow during measurement. This study explores the use of smartphones for continuous BP monitoring, focusing on overcoming the trust barriers associated with the opacity of machine learning models in predicting BP from low-quality PPG signals. Our approach included developing models based on cardiovascular literature, using simple statistical methods to estimate BP from smartphone PPG signals with comprehensive data pre-processing, applying SHAP for enhanced interpretability and feature identification, and comparing our methods against standard references using Bland-Altman analysis. Validated with data from 125 participants, the study demonstrated significant correlations in waveform features between smartphone and reference BP monitoring devices. The cross-validation of linear regression [MAE=9.86 and 8.01 mmHg for systolic blood pressure (SBP) and diastolic blood pressure (DBP), respectively] and random forest model (MAE=8.91 and 6.68 mmHg for SBP and DBP) using waveform-only variables demonstrated the feasibility of using a smartphone to estimate BP. Although SHAP analysis identified key feature sets, Bland-Altman results did not fully meet established thresholds (84.64% and 94.69% of MAE<15 mmHg for SBP and DBP, respectively). The study suggests the potential of smartphone cameras to enhance the accuracy and interpretability of machine learning models for daily BP estimation, but also indicates that smartphone PPG-based BP prediction is not yet a replacement for traditional medical devices.
• Abstract（参考訳）: 健康評価に不可欠な定期血圧モニタリング(BP)は、医療機器や専門知識へのアクセス制限などの課題に直面している。 一方、ポータブルなカフBPデバイスは一日中持ち歩くのが面倒で、先進国ではコストがかかることが多い。 さらに、これらのsphygmomanometerベースのデバイスは、測定中に不快感を引き起こし、血流を乱す可能性がある。 本研究は,低品質PPG信号からのBP予測において,機械学習モデルの不透明性に関連する信頼障壁を克服することに焦点を当て,連続BPモニタリングにおけるスマートフォンの利用について検討する。 提案手法は,循環器文献に基づくモデルの開発,スマートフォンのppg信号からbpを総合的データ前処理で推定する簡易統計手法,解釈性の向上と特徴同定にshapを適用したモデル,bland-altman分析を用いた標準参照と比較した。 125人の参加者のデータで検証した結果,スマートフォンとBPモニタリング装置の波形特性に有意な相関が認められた。 線形回帰 (MAE=9.86, 8.01 mmHg, 収縮血圧 (SBP), 拡張期血圧 (DBP), ランダム森林モデル (MAE=8.91, 6.68 mmHg, SBP=6.68 mmHg) の波形限定変数を用いたクロスバリデーションは, スマートフォンによるBP推定の可能性を示した。 SHAP分析では重要な特徴が特定されたが、Bland-Altman の結果は確立された閾値(それぞれ SBP と DBP の MAE<15 mmHg の84.64% と94.69%)を満たさなかった。 この研究は、毎日のBP推定のための機械学習モデルの精度と解釈可能性を高めるためのスマートフォンカメラの可能性を示しているが、スマートフォンのPPGベースのBP予測が従来の医療機器に代わるものではないことを示唆している。

関連論文リスト

• A Multi-scenario Attention-based Generative Model for Personalized Blood Pressure Time Series Forecasting [6.311504297463515]
  連続血圧モニタリングは、重要なケア設定において、タイムリーな診断と介入に不可欠である。 本研究では,心電図(ECG)と光胸腺図( Photoplethysmogram)の信号を用いたパーソナライズされたBP予測モデルを提案する。 実験は,60名の被験者からBP測定を行った3つのシナリオから収集したデータセットを用いて行った。
  論文  参考訳（メタデータ） (2024-09-07T04:24:15Z)
• 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)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• 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)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• 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)
• Continuous Monitoring of Blood Pressure with Evidential Regression [19.92542487970484]
  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。
  論文  参考訳（メタデータ） (2021-02-06T09:09:31Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• 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)
• 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。