論文の概要: BP-DeepONet: A new method for cuffless blood pressure estimation using
the physcis-informed DeepONet
- arxiv url: http://arxiv.org/abs/2402.18886v1
- Date: Thu, 29 Feb 2024 06:11:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 15:53:55.059805
- Title: BP-DeepONet: A new method for cuffless blood pressure estimation using
the physcis-informed DeepONet
- Title（参考訳）: bp-deeponet : physcis-informed deeponetを用いた無重力血圧推定法
- Authors: Lingfeng Li and Xue-Cheng Tai and Raymond Chan
- Abstract要約: 動脈血圧(ABP)波形は、心臓周期を通して連続的な血圧測定を提供する。
本研究では, ABP波形を予測するための物理情報を用いたDeepONetアプローチに基づく新しいフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.8391355909797644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiovascular diseases (CVDs) are the leading cause of death worldwide, with
blood pressure serving as a crucial indicator. Arterial blood pressure (ABP)
waveforms provide continuous pressure measurements throughout the cardiac cycle
and offer valuable diagnostic insights. Consequently, there is a significant
demand for non-invasive and cuff-less methods to measure ABP waveforms
continuously. Accurate prediction of ABP waveforms can also improve the
estimation of mean blood pressure, an essential cardiovascular health
characteristic.
This study proposes a novel framework based on the physics-informed DeepONet
approach to predict ABP waveforms. Unlike previous methods, our approach
requires the predicted ABP waveforms to satisfy the Navier-Stokes equation with
a time-periodic condition and a Windkessel boundary condition. Notably, our
framework is the first to predict ABP waveforms continuously, both with
location and time, within the part of the artery that is being simulated.
Furthermore, our method only requires ground truth data at the outlet boundary
and can handle periodic conditions with varying periods. Incorporating the
Windkessel boundary condition in our solution allows for generating natural
physical reflection waves, which closely resemble measurements observed in
real-world cases. Moreover, accurately estimating the hyper-parameters in the
Navier-Stokes equation for our simulations poses a significant challenge. To
overcome this obstacle, we introduce the concept of meta-learning, enabling the
neural networks to learn these parameters during the training process.
- Abstract（参考訳）: 心臓血管疾患(CVD)は、世界中の死因の主要な原因であり、血圧が重要な指標である。
動脈血圧(ABP)波形は、心臓周期を通して連続的な血圧測定を提供し、貴重な診断指標を提供する。
その結果、ABP波形を連続的に測定する非侵襲的かつカフレスな手法にはかなりの需要がある。
ABP波形の正確な予測はまた、心臓血管の健康特性である平均血圧の推定を改善することができる。
本研究では, ABP波形を予測するための物理情報を用いたDeepONetアプローチに基づく新しいフレームワークを提案する。
従来の手法とは異なり,本手法ではナヴィエ・ストークス方程式を時周期条件とウィンドケッセル境界条件で満たすために予測されたABP波形を必要とする。
特に我々のフレームワークは、シミュレーションされている動脈の一部内で、位置と時間の両方でapp波形を連続的に予測する最初のフレームワークです。
さらに,本手法では,アウトレット境界での基底真理データのみを要求でき,周期的に異なる条件を処理できる。
この解にウィンドケッセル境界条件を組み込むことで,実世界の観測値によく似た自然反射波を生成することができる。
さらに,navier-stokes方程式におけるハイパーパラメータを正確に推定することは大きな課題である。
この障害を克服するために、ニューラルネットワークがトレーニングプロセス中にこれらのパラメータを学習できるように、メタラーニングの概念を導入する。
関連論文リスト
- 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) - 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) - 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) - On the Convergence of Certified Robust Training with Interval Bound
Propagation [147.77638840942447]
IBPトレーニングの収束に関する理論的解析を行った。
IBPトレーニングを用いてランダムに2層ReLUニューラルネットワークをロジスティック損失でトレーニングする場合、勾配降下はゼロロバストトレーニングエラーに線形収束可能であることを示す。
論文 参考訳（メタデータ） (2022-03-16T21:49:13Z) - 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) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-16T12:56:09Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳（メタデータ） (2021-06-21T23:42:58Z) - 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) - 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) - 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。