論文の概要: Attractor-Vascular Coupling Theory: Formal Grounding and Empirical Validation for AAMI-Standard Cuffless Blood Pressure Estimation from Smartphone Photoplethysmography

• arxiv url: http://arxiv.org/abs/2605.10871v2
• Date: Sun, 17 May 2026 18:50:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.264105
• Title: Attractor-Vascular Coupling Theory: Formal Grounding and Empirical Validation for AAMI-Standard Cuffless Blood Pressure Estimation from Smartphone Photoplethysmography
• Title（参考訳）: AAMI-Standard Cuffless 血圧推定のためのAAMI-Vascular Coupling Theory:フォーマルグラウンドと経験的バリデーション
• Authors: Timothy Oladunni, Farouk Ganiyu Adewumi,
• Abstract要約: AAMI標準推定に十分な血圧情報を符号化している。 Takens遅延埋め込みとアトラクタ形態抽出を用いて操作する。
• 参考スコア（独自算出の注目度）: 1.1344265020822928
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This work proposes Attractor-Vascular Coupling Theory (AVCT), a mathematical framework showing that cardiac attractor geometry encodes blood pressure (BP) information sufficient for AAMI-standard estimation, and validates the theory through a calibrated cuffless BP model using photoplethysmography (PPG). AVCT is grounded in Cardiac Stability Theory and operationalized using Takens delay embedding and attractor morphology extraction. Two theorems, one proposition, and one corollary formally justify the use of PPG attractor features for BP estimation and predict the feature-importance hierarchy. A LightGBM model trained on pulse transit time (PTT) and Cardiac Stability Index (CSI) attractor features under single-point calibration was evaluated using strict leave-one-subject-out cross-validation (LOSO-CV) on 46 subjects from BIDMC ICU (n = 9) and VitalDB surgical data (n = 37), comprising 29,684 windows. The model achieved systolic BP (SBP) mean absolute error (MAE) of 2.05 mmHg and diastolic BP (DBP) MAE of 1.67 mmHg, with correlations r = 0.990 and r = 0.991, satisfying the AAMI/IEEE SP10 requirement of MAE below 5 mmHg. Median per-subject MAE was 1.87/1.54 mmHg, and 70%/76% of subjects individually satisfied AAMI criteria. A PPG-only ablation using nine smartphone attractor features matched the ECG+PPG model within 0.05 mmHg, demonstrating that clinical-grade BP tracking is achievable using only a smartphone camera while surpassing prior generalized LOSO-CV results using fewer sensors. All four AVCT predictions were quantitatively confirmed, with 91.5% error reduction from uncalibrated to calibrated estimation (epsilon_cal = 0.915). Unlike post-hoc explainable AI methods, AVCT predicts features satisfying the architectural faithfulness criterion of the Explainable-AI Trustworthiness (EAT) framework and grounding BP estimation in nonlinear dynamical systems theory.
• Abstract（参考訳）: 本研究では,AAMI標準推定に十分な血圧 (BP) 情報を符号化する数学的枠組みであるAttractor-Vascular Coupling Theory (AVCT) を提案し,光ポロトグラフィー (PPG) を用いてキャリブレーションされたカフレスBPモデルを用いてその理論を検証した。 AVCTは心安定理論に基づいており、Takens遅延埋め込みとアトラクタ形態抽出を用いて運用されている。 2つの定理、1つの命題、1つの結論は、BP推定と特徴重要階層の予測にPSGアトラクタ特徴を用いることを正式に正当化する。 BIDMC ICU (n = 9) と VitalDB 手術データ (n = 37) の46名を対象に, 厳密な左下肢移動式クロスバリデーション (LOSO-CV) を用いて, 単一点校正条件下での心的安定度指数 (CSI) とパルストランジット時間 (PTT) を訓練したLightGBMモデルを評価した。 SBP(Systolic BP)平均絶対誤差(MAE)は2.05 mmHgで、BP(DBP)は1.67 mmHgで、相関は r = 0.990 と r = 0.991 であり、5 mmHg以下のMAEのAAMI/IEEE SP10要求を満たす。 被写体ごとのMAEは1.87/1.54 mmHgであり、被験者の70%/76%がAAMI基準を満たした。 9つのスマートフォンアトラクタを用いたPSGのみのアブレーションはECG+PPGモデルと0.05mmHg以内の精度で一致し、臨床レベルのBPトラッキングはスマートフォンカメラのみで達成可能であり、センサが少ないことで従来のLOSO-CV結果を上回った。 4つのAVCT予測はすべて定量的に確認され、91.5%の誤差は未校正から校正まで(epsilon_cal = 0.915)。 ポストホックな説明可能なAI手法とは異なり、AVCT は Explainable-AI Trustworthiness (EAT) フレームワークのアーキテクチャ忠実度基準を満たす特徴を予測し、非線形力学系理論におけるBP推定を基礎とする。

関連論文リスト

• Cuffless Blood Pressure Estimation from Six Wearable Sensor Modalities in Multi-Motion-State Scenarios [0.7871262900865523]
  拡張期BP(SBP)は3.60mmHgの平均絶対誤差(MAE)、拡張期BP(DBP)は3.01mmHgである。 臨床の観点からは、British Hypertension Society (BHS)プロトコルに従って、SBP、DBP、MAPのグレードAに達する。
  論文  参考訳（メタデータ） (2025-12-01T13:26:30Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• Diagnosis of Pulmonary Hypertension by Integrating Multimodal Data with a Hybrid Graph Convolutional and Transformer Network [32.50971951245164]
  本研究は,深層学習に基づく肺高血圧症(PH)診断モデルの開発と評価である。 患者を非PH、毛細管前PH、または毛細管後PHに分類するように設計されている。 マルチモーダルデータを効果的に統合することで、臨床的な意思決定を支援することができる。
  論文  参考訳（メタデータ） (2025-03-28T01:14:17Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing [5.255373360156652]
  本稿では,最近リリースされた生理学データベースMIMIC-IV上に構築されたトランスフォーマーベースのアーキテクチャであるTransfoRhythmフレームワークを紹介する。 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)
• Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
  本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。 この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。 本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
  論文  参考訳（メタデータ） (2024-03-18T18:09:22Z)
• 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)

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。