論文の概要: Change Point--Aware Evaluation and Re-Calibration of PPG-Based Blood Pressure Estimation

• arxiv url: http://arxiv.org/abs/2608.18639v1
• Date: Wed, 19 Aug 2026 07:37:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.322348
• Title: Change Point--Aware Evaluation and Re-Calibration of PPG-Based Blood Pressure Estimation
• Title（参考訳）: 変化点-PPGに基づく血圧推定の認識と再校正-
• Abstract要約: 光胸腺造影法による非侵襲的連続血圧モニタリングは、カフベースの測定に代わる有望な方法である。 既存のPPGに基づくBP推定研究は、評価間隔全体にわたる集約性能に依存している。 時系列変化点検出に基づくPPGに基づくBP推定のための揺らぎを考慮した評価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）: 4.782662383035205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-invasive continuous blood pressure (BP) monitoring using photoplethysmography (PPG) is a promising alternative to cuff-based measurements. However, existing PPG-based BP estimation studies predominantly rely on aggregated performance metrics (e.g., mean absolute error) computed over entire evaluation intervals, which can obscure model failures during rapid BP fluctuations and limit clinical relevance. In this work, we propose a fluctuation-aware evaluation framework for PPG-based BP estimation based on time-series change point detection. Instead of heuristic BP thresholding (e.g., $Δ\mathrm{BP} > 10\mathrm{mmHg}$), we identify BP change points by capturing abrupt distributional shifts in BP trajectories and evaluate estimation performance specifically during these fluctuation periods. Our analysis shows that several state-of-the-art models exhibit substantial performance degradation around BP change points, and that periodic test-time calibration is insufficient to handle such dynamic BP variations. To address this limitation, we introduce a targeted re-calibration framework triggered by detected BP change points, improving robustness without modifying model architectures. To the best of our knowledge, this is the first systematic evaluation of PPG-based BP estimation from a BP change point perspective, highlighting the importance of fluctuation-aware evaluation and calibration for real-world continuous BP monitoring.
• Abstract（参考訳）: 光胸腺造影(PPG)を用いた非侵襲的連続血圧モニタリングは、カフベースの測定に代わる有望な方法である。 しかしながら、既存のPPGに基づくBP推定研究は、評価間隔全体にわたって計算された集約されたパフォーマンス指標(例えば平均絶対誤差)に大きく依存しており、BPの急激な変動時のモデル故障を曖昧にし、臨床関連性を制限することができる。 本研究では,時系列変化点検出に基づくPPGに基づくBP推定のための揺らぎを考慮した評価フレームワークを提案する。 ヒューリスティックBP閾値(例えば$Δ\mathrm{BP} > 10\mathrm{mmHg}$)の代わりに、BP軌道の急激な分布変化を捉えてBP変化点を同定し、これらの変動期間に特異的に推定性能を評価する。 解析により, BP変化点の周辺において, いくつかの最先端モデルが顕著な性能劣化を示し, このような動的BP変動に対処するには, 周期的なテスト時間校正が不十分であることが示唆された。 この制限に対処するために,検出されたBP変化点によって引き起こされるターゲット再校正フレームワークを導入し,モデルアーキテクチャを変更することなくロバスト性を向上させる。 我々の知る限り、これはBP変化の観点からPPGに基づくBP推定を初めて体系的に評価し、実世界の連続BPモニタリングにおける揺らぎ認識評価と校正の重要性を強調したものである。

関連論文リスト

• DMT: Demographic Conditioning, Morphology-Enhanced Transformer for Cuffless Blood Pressure Estimation from PPG Signals [4.839226773937583]
  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。
  論文  参考訳（メタデータ） (2026-06-09T17:23:07Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• 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 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)
• Belief Propagation Decoding of Quantum LDPC Codes with Guided Decimation [55.8930142490617]
  BPガイドデシミテーション(BPGD)に基づくQLDPC符号のデコーダを提案する。 BPGDは非収束によるBP故障率を著しく低下させる。
  論文  参考訳（メタデータ） (2023-12-18T05:58:07Z)
• Regression or Classification? Reflection on BP prediction from PPG data using Deep Neural Networks in the scope of practical applications [3.867363075280544]
  光胸腺造影信号は、心拍数分析や血中酸素濃度モニタリング以上の診断可能性を提供する。 近年の研究では、血圧推定に対する非侵襲的なPSGベースのアプローチに焦点が当てられている。 BP分類は,多くの臨床的シナリオにおいて,回帰と同等の診断値を提供する可能性があると論じる。
  論文  参考訳（メタデータ） (2022-04-12T08:07:38Z)
• Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in Partially Observed Markov Decision Processes [65.91730154730905]
  医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。 ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。 我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
  論文  参考訳（メタデータ） (2021-10-28T17:46:14Z)
• 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)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• 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)
• On Signal-to-Noise Ratio Issues in Variational Inference for Deep Gaussian Processes [55.62520135103578]
  重み付き変分推論を用いたDGP(Deep Gaussian Processs)の訓練で用いられる勾配推定は,信号-雑音比(SNR)問題の影響を受けやすいことを示す。 DGPモデルの予測性能が一貫した改善につながることを示す。
  論文  参考訳（メタデータ） (2020-11-01T14:38:02Z)

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。