論文の概要: SIFPBPNet: A Dual-Path Network for Wearable and Cuffless Blood Pressure Estimation via Individualized Steady-state Representation
- arxiv url: http://arxiv.org/abs/2609.12690v1
- Date: Fri, 11 Sep 2026 10:36:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.718617
- Title: SIFPBPNet: A Dual-Path Network for Wearable and Cuffless Blood Pressure Estimation via Individualized Steady-state Representation
- Title（参考訳）: SIFPBPNet:個別定常表現によるウェアラブル・カフレス血圧推定のためのデュアルパスネットワーク
- Abstract要約: 血圧モニタリング(BP)は、低コストでパーソナライズされた心臓血管の健康管理に非常に関心がある。
SIFPBPNetと呼ばれるデュアルパスアーキテクチャを提案し、定常的特徴と瞬時的特徴を別々に表現する。
大規模ウェアラブルデータセットの実験では、SIFPBPNetがそれぞれ、シストーリックBPと拡張BPの平均絶対誤差(MAE)が8.57mmHgと5.97mmHgに達することが示されている。
- 参考スコア（独自算出の注目度）: 7.798066931950822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous and cuffless blood pressure (BP) monitoring using photoplethysmography (PPG) is of great interest for low-cost and personalized cardiovascular health management. However, significant population heterogeneity and the "one-to-many mapping" problem, where similar waveforms across individuals correspond to different BP levels, limit the accuracy of conventional population-based models. To address this challenge, we propose a dual-path architecture termed SIFPBPNet, which separately represents steady-state and instantaneous features, through a Steady-state Feature Path (SFP) and an Instantaneous Feature Path (IFP). The SFP employs a Graph Attention Network (GAT) to extract individual-specific and long-term characteristics from multi-day historical PPG trajectories. In parallel, the IFP captures short-term dynamics from current PPG segments and incorporates the steady-state prior via a cross-attention mechanism. Experiments on a large-scale wearable dataset demonstrate that SIFPBPNet achieves a Mean Absolute Error (MAE) of 8.57 and 5.97 mmHg for systolic and diastolic BP, respectively, outperforming state-of-the-art models. Furthermore, the SFP module consistently improves performance when integrated into various backbone architectures, yielding 2.8-13.1% relative MAE reductions for systolic BP. These results highlight the strong generalizability and plug-and-play transferability of the SFP module, underscoring its great potential for accurate cuffless BP monitoring.
- Abstract（参考訳）: 光胸腺造影(PPG)を用いた持続的無呼吸血圧モニタリング(BP)は、低コストでパーソナライズされた心血管の健康管理に非常に関心がある。
しかし、個体間の類似の波形が異なるBPレベルに対応し、従来の人口ベースモデルの精度を制限している、有意な集団の不均一性と「一対多マッピング」問題である。
この課題に対処するために、定常的特徴パス(SFP)と瞬時的特徴パス(IFP)を介し、定常的特徴と瞬時的特徴を個別に表現するSIFPBPNetというデュアルパスアーキテクチャを提案する。
SFPはグラフ注意ネットワーク(GAT)を使用して、複数日間のPSGトラジェクトリから個人固有の長期特性を抽出する。
同時に、IFPは現在のPSGセグメントからの短期的なダイナミクスをキャプチャし、クロスアテンション機構を通じて定常状態を組み込む。
大規模ウェアラブルデータセットの実験では、SIFPBPNetがそれぞれ8.57mmHgと5.97mmHgの平均絶対誤差(MAE)を達成した。
さらに、SFPモジュールは様々なバックボーンアーキテクチャに統合された際の性能を一貫して改善し、2.8-13.1%の相対的なMAE削減を実現している。
これらの結果は、SFPモジュールの強力な一般化性とプラグ・アンド・プレイの転送可能性を強調し、正確なカフレスBPモニタリングの可能性を強調している。
関連論文リスト
- 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) - Spectral- and Energy-efficient Multi-BS Multi-RIS Pinching-antenna Systems: A GNN-based Approach [62.31891278787162]
本稿では,マルチベースステーション(Multi-BS)多再構成可能な知的表面(multi-RIS)補助ピンチアンテナ(PA)システムにおけるダウンリンクの協調伝送について検討する。
我々は、PA配置、RIS位相シフト、ビームフォーミング、BS-UEアソシエーションを共同最適化することで、和率(SR)とエネルギー効率(EE)問題を定式化する。
本稿では,不均一なグラフ表現と均一なグラフ表現を統合した3段階グラフニューラルネットワーク(GNN)を提案する。
論文 参考訳（メタデータ） (2026-05-02T07:30:37Z) - scPPDM: A Diffusion Model for Single-Cell Drug-Response Prediction [44.96130504547205]
本稿では,ScRNA-seqデータから単一セルの薬物応答予測を行う最初の拡散型フレームワークであるScPPDMを紹介する。
scPPDMは、非結合性GD-Attnを介して一貫した潜伏空間に、摂動前状態と投与量のある薬物の2つの条件チャネルを結合する。
論文 参考訳（メタデータ） (2025-10-08T16:17:39Z) - 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) - BalancedDPO: Adaptive Multi-Metric Alignment [44.051100004689296]
直接選好最適化(DPO)の新たな拡張である BalancedDPO を提案する。
T2I拡散モデルと人間の嗜好,CLIPスコア,審美的品質など,複数の指標を同時に一致させる。
評価の結果,HealthdDPOは最先端の結果を達成し,すべての主要な指標において既存手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2025-03-16T17:06:00Z) - 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) - Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
顔認証システムでは、顔認証(FAS)が重要な役割を担っている。
このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。
FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
論文 参考訳（メタデータ） (2021-11-24T08:03:48Z) - 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) - PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood
Pressure (ABP) Waveforms using Fully Convolutional Neural Networks [1.0045192779791103]
光胸腺X線信号を用いた非侵襲的アプローチにより連続動脈血圧(ABP)波形を予測する手法を開発した。
入力PSG信号から連続的なAPP波形を4.604 mmHgの絶対誤差で予測する深層学習法 PPG2ABP を提案する。
PPG2ABP のより驚くべき成功は、予測された ABP 波形からの DBP, MAP, SBP の計算値が、いくつかの測定値の下で既存の成果よりも優れていることが判明した。
論文 参考訳（メタデータ） (2020-05-04T17:22:44Z)
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。