論文の概要: Blood Pressure Estimation from PPG: A Comparative Study of Direct and ECG-Mediated Deep Learning Pipelines
- arxiv url: http://arxiv.org/abs/2607.23406v1
- Date: Sun, 26 Jul 2026 01:44:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.092777
- Title: Blood Pressure Estimation from PPG: A Comparative Study of Direct and ECG-Mediated Deep Learning Pipelines
- Title（参考訳）: PPGによる血圧推定 : 直接および心電図を用いたディープラーニングパイプラインの比較検討
- Authors: Bo Wu, Haoling Wang, Zhuodiao Kuang, Kateryna Shapovalenko,
- Abstract要約: 連続カフレス血圧モニタリング(BP)は、接続された健康システムに不可欠である。
心電図(ECG)をフォトプレシースセグメントから再構成することでBPを間接的に推定する手法が多数存在する。
本研究ではMIMIC波形データベース上で大規模な生理学的相関解析を行う。
複数の最先端ディープラーニングモデルを用いて,直接PSG-to-BP予測とECGを介するパイプラインを比較した。
- 参考スコア（独自算出の注目度）: 2.15918982016093
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continuous cuffless blood pressure (BP) monitoring is essential for connected health systems and wearable devices, enabling early detection, longitudinal tracking, and personalized management of cardiovascular disease. Many prior approaches attempt to estimate BP indirectly by reconstructing electrocardiography (ECG) from photoplethysmography (PPG), assuming ECG provides a stronger physiological link to BP. However, ECG sensing is less accessible in wearable settings and may introduce unnecessary complexity. In this work, we first perform a large-scale physiological correlation analysis on the MIMIC-III waveform database, revealing that PPG exhibits substantially stronger coupling with arterial blood pressure (ABP) ($|r|=0.247$, $p<0.001$) than ECG does ($r=0.018$, $p=0.187$), challenging the assumption that ECG provides a superior intermediate representation. Motivated by this insight, we conduct a systematic comparison between direct PPG-to-BP prediction and ECG-mediated pipelines using multiple state-of-the-art deep learning models. Across 1.74M segments from 3,127 patients, direct PPG-to-BP prediction achieves British Hypertension Society Grade A performance ($\mathrm{MAE}_{\mathrm{SBP}} = 4.82 mmHg$, $\mathrm{MAE}_{\mathrm{DBP}} = 4.31 mmHg$), outperforming all ECG-mediated approaches, which achieve only Grade B accuracy. Our findings suggest that accurate continuous BP monitoring can be achieved directly from wearable PPG signals, enabling simpler, more efficient pipelines for real-world connected health systems.
- Abstract（参考訳）: 連続カフレス血圧モニタリング(BP)は、接続された健康システムやウェアラブルデバイスに必須であり、早期発見、経時的追跡、心血管疾患のパーソナライズされた管理を可能にしている。
多くの先行的アプローチは、心電図(ECG)を光胸腺造影(PPG)から再構成することでBPを間接的に推定しようと試み、心電図がBPとより強い生理的つながりをもたらすと仮定した。
しかし、ECGセンシングはウェアラブル設定ではアクセスできないため、不要な複雑さをもたらす可能性がある。
本研究は,MIMIC-III波形データベース上で大規模な生理学的相関解析を行い,心電図がより優れた中間表現を提供するという仮定に挑戦して,PTGが動脈血圧(ABP)(|r|=0.247$, $p<0.001$)と著しく強く結合していることを明らかにする。
この知見により、複数の最先端ディープラーニングモデルを用いて、直接PSG-to-BP予測とECGを介するパイプラインの系統的比較を行う。
3,127例の1.74Mセグメントで、PTG-to-BPの直接予測により、英国高血圧協会のグレードAが達成される("\mathrm{MAE}_{\mathrm{SBP}} = 4.82 mmHg$, $\mathrm{MAE}_{\mathrm{DBP}} = 4.31 mmHg$")。
以上の結果から,ウェアラブルPSG信号から直接,正確な連続BPモニタリングを実現できることが示唆された。
関連論文リスト
- ECG-LLM: Foundation Model for ECG-Based Cardiac Reasoning [50.82313761980655]
ECG-LLMは186,409人を対象にした4つのコホート679,112のECG研究で訓練されたECG条件付き大言語モデルである。
ECG信号、臨床コンテキスト、CMR、ECHOから導かれる、臨床的に構造化された質問応答対をトレーニングする。
心拍数などの従来の心電図測定を成功させ、複雑なCMR由来の表現型を強く予測する。
論文 参考訳（メタデータ） (2026-07-15T11:06:35Z) - PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。
既存の手法は統計アライメントとデータ駆動生成に依存している。
生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
論文 参考訳（メタデータ） (2026-05-09T07:39:58Z) - Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。
本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。
臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
論文 参考訳（メタデータ） (2026-03-09T15:39:57Z) - 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) - Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。
SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。
実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
論文 参考訳（メタデータ） (2025-11-13T02:57:10Z) - Estimating Blood Pressure with a Camera: An Exploratory Study of Ambulatory Patients with Cardiovascular Disease [20.797887496336397]
高血圧は世界中で致死率と死亡率の主要な原因である。
高血圧の診断と治療能力は、現在の血圧モニタリング法(BP)へのアクセス制限と順応性の低下によって妨げられる
リモート光胸腺撮影(r)は、物理的接触のない標準的なカメラを通して個人の波形を評価する。
論文 参考訳（メタデータ） (2025-03-02T13:24:50Z) - 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) - A Shallow U-Net Architecture for Reliably Predicting Blood Pressure (BP)
from Photoplethysmogram (PPG) and Electrocardiogram (ECG) Signals [1.1695966610359496]
病院で血液圧(BP)の連続モニタリングに使われている方法のほとんどは、侵襲的である。
本研究では,光胸腺図や心電図などの非侵襲的に収集可能な信号からBPを予測するためのオートエンコーダの適用性を検討した。
非常に浅い1次元オートエンコーダは、非常に大きなデータセット上で最先端の性能でSBPとDBPを予測するために関連する特徴を抽出できることがわかった。
論文 参考訳（メタデータ） (2021-11-12T19:34:20Z)
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。