論文の概要: DMT: Demographic Conditioning, Morphology-Enhanced Transformer for Cuffless Blood Pressure Estimation from PPG Signals

• arxiv url: http://arxiv.org/abs/2606.11125v1
• Date: Tue, 09 Jun 2026 17:23:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.63513
• Title: DMT: Demographic Conditioning, Morphology-Enhanced Transformer for Cuffless Blood Pressure Estimation from PPG Signals
• Title（参考訳）: DMT:PDG信号による無呼吸血圧推定のための復調コンディショニング, モルフォロジー強化トランス
• Authors: Yidan Shen, Neville Mathew, Maham Rahimi, Deependra Dhakal, George Zouridakis, Xin Fu, Renjie Hu,
• Abstract要約: 血圧(BP)は、心血管疾患のリスク評価と治療的意思決定の鍵となるマーカーである。 Photoplethysmography (PPG)は低コストでウェアラブルフレンドリーなカフレスBP推定を可能にする。 PPG信号からのカフレスBP推定のためのTransformer-based networkを提案する。
• 参考スコア（独自算出の注目度）: 4.839226773937583
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Blood pressure (BP) is a key marker for cardiovascular risk assessment and therapeutic decision-making, and Photoplethysmography (PPG) enables low-cost, wearable-friendly cuffless BP estimation. However, even with recent progress, many PPG-based models are trained with BP regression alone and may rely on amplitude-dominated shortcuts. In addition, demographic covariates that systematically modulate vascular compliance are often incorporated only via late fusion, limiting subject-specific representation learning. We propose a Transformer-based network for cuffless BP estimation from PPG signal, leveraging self-attention to capture long-range dependencies across multiple cardiac cycles. To account for subject-specific vascular differences, the model is conditioned on demographics via FiLM-style feature modulation applied through the attention and feed-forward sublayers of Transformer blocks. In addition, we add an auxiliary morphology head to guide the model to attend to BP-relevant waveform morphology associated with arterial stiffness and wave reflection. Under calibration-based evaluation protocols on the large-scale PulseDB dataset, the proposed method achieves MAE of 4.56 mmHg for systolic BP and 2.62 mmHg for diastolic BP, reducing errors by 47% and 50% compared with prior demographic-enhanced PPG baselines. The resulting lightweight, single-sensor model supports scalable and clinically grounded cuffless BP estimation in calibration-enabled deployment settings.
• Abstract（参考訳）: 血圧(BP)は、心血管疾患のリスク評価と治療的意思決定の鍵となるマーカーであり、フォトプレソグラフィー(PPG)は低コストでウェアラブルフレンドリーなカフレスBP推定を可能にする。 しかし、最近の進歩にもかかわらず、多くのPSGベースのモデルはBP回帰だけで訓練されており、振幅優先のショートカットに依存する可能性がある。 さらに、血管コンプライアンスを体系的に調節する集団共変体は、しばしば後期融合によってのみ組み込まれ、対象固有の表現学習を制限する。 PPG信号からBPのカフレス推定のためのTransformer-based networkを提案する。 被験者固有の血管の相違を考慮し,FiLMスタイルの特徴変調を用いて,トランスフォーマーブロックの注意層とフィードフォワードサブレイヤを応用した。 さらに,動脈硬化性および波動反射に伴うBP関連波形形態学に対応するための補助形態学ヘッドも追加した。 大規模PulseDBデータセットのキャリブレーションに基づく評価手法により, 拡張型BPでは4.56 mmHg, 拡張型BPでは2.62 mmHgのMAEを達成し, 従来のPPGベースラインと比較して誤差を47%, 50%低減した。 その結果、軽量な単一センサモデルでは、キャリブレーション可能なデプロイメント設定において、スケーラブルで臨床的に根拠のないキャッフルレスBP推定をサポートする。

関連論文リスト

• MARVEL: Universal Murray's Law-informed Vessel Tree Segmentation and Topology Estimation [75.40785674602147]
  血管セグメンテーションのための深層学習法は、しばしば生物物理学的な制約を無視している。 これは生理的に不確実な分岐と誤分類の血管木につながる。 バイオ物理の先駆体を血管樹抽出に組み込んだ背骨非依存フレームワークMARVELについて紹介する。
  論文  参考訳（メタデータ） (2026-05-25T02:32:29Z)
• 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)
• Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
  カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。 本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:11:21Z)
• 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)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• 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]
  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)
• 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)
• 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)

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。