論文の概要: Physics-Constrained Deep Learning Model for Contactless Blood Pressure Monitoring from Triaxial Bodyseismography
- arxiv url: http://arxiv.org/abs/2608.23562v1
- Date: Mon, 24 Aug 2026 17:58:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.231083
- Title: Physics-Constrained Deep Learning Model for Contactless Blood Pressure Monitoring from Triaxial Bodyseismography
- Title（参考訳）: 三軸体地震計を用いた非接触血圧モニタリングのための物理制約深層学習モデル
- Abstract要約: Phy-BPはBCGの拡張として三軸体地震学(BSG)に基づいている。
適応品質制御アルゴリズムは、心原性成分に富んだBSGセグメントを選択するように設計されている。
ボディーベッドシステムにおける3次元波動伝搬を記述する物理モデルを構築した。
ディープラーニングモデルトレーニングは、忠実なBPモニタリングを提供するために、さまざまな軸にわたる物理的一貫性によって制約される。
- 参考スコア（独自算出の注目度）: 12.44022881600685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ballistocardiography (BCG) is promising for unobtrusive long-term blood pressure (BP) monitoring in laboratory settings, but traditional BCG signals are vulnerable to the variations in body-bed interaction with shifted fiducial points in temporal or amplitude axis, and BP varies with personal hemodynamic changes, causing misaligned representations that affect model generalizability and robustness. In this work, we propose a non-invasive BP estimation framework, Phy-BP, based on triaxial bodyseismography (BSG) as an extension of BCG. Firstly, an adaptive quality-control algorithm is designed to select BSG segments enriched with cardiogenic components by jointly considering neighboring beat patterns and universal cardiogenic templates. Furthermore, a physical model is established to describe 3D wave propagation in the body-bed system and is subsequently embedded into the deep learning model to characterize the intrinsic coupling among triaxial BSG signals driven by a single cardiogenic excitation. Thus, multi-axis features are aligned during model training, improving robustness against distortions in real scenarios. Experiments on a 162-hour hospital dataset collected from 21 subjects reveal that the proposed Phy-BP can dynamically filter out low-quality measurements, and the deep learning model training is constrained by physical consistency across different axes to provide faithful BP monitoring, especially when training samples are limited.
- Abstract（参考訳）: BCG(Ballistocardiography)は、実験室における非閉塞性長期血圧(BP)モニタリングを約束するが、従来のBCG信号は、時間軸や振幅軸のシフトした核点とのボディーベッド相互作用のばらつきに弱い。
本稿では,BCGの拡張として三軸体地震計(BSG)に基づく非侵襲的BP推定フレームワークPhy-BPを提案する。
適応的品質制御アルゴリズムは、隣り合う拍動パターンと普遍的な心原性テンプレートを共同で検討することにより、心原性成分に富んだBSGセグメントを選択するように設計されている。
さらに、体床系における3次元波動伝搬を記述する物理モデルを構築し、その後深層学習モデルに埋め込み、単心起性励起によって駆動される三軸BSG信号の固有結合を特徴付ける。
したがって、モデルトレーニング中にマルチ軸の機能は整列され、実際のシナリオにおける歪みに対する堅牢性が改善される。
21名の被験者から収集された162時間の病院データセットの実験により、提案したPhy-BPは、低品質の測定を動的にフィルタリングし、深層学習モデルのトレーニングは、様々な軸間の物理的整合性によって制約され、信頼できるBPモニタリングを提供する。
関連論文リスト
- Learning Unsteady Aneurysm Hemodynamics with Physics-Informed DeepONets [0.0]
M3PI-DeepONetは、平均相対的なL2速度誤差を4%以下、圧力誤差を5%程度で、非定常な3次元流速と圧力場を同時に予測する。
本研究は, 心血管疾患モデルにおける深層学習の応用を推し進め, リアルタイム非侵襲的臨床診断への一歩を踏み出した。
論文 参考訳（メタデータ） (2026-08-13T09:08:24Z) - Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。
既存の方法はPBSに対して限られた有効性を示した。
PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
論文 参考訳（メタデータ） (2026-08-01T08:13:20Z) - Single-Beat Cuffless Blood Pressure Estimation Using Ear-PPG and ECG with a Lightweight Hybrid Learning Framework [0.7015649288674913]
連続カフレス血圧モニタリング(BP)は、運動人工物、生理的変動性、および従来のパルス遷移時間(PTT)モデルの動的条件下でのロバスト性に制限があるため、困難である。
本稿では、BP関連情報を単拍レベルで保存し、連続BP推定のための軽量なマルチモーダルウェアラブルフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-29T16:00:39Z) - 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) - 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) - 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) - PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - 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) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z)
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。