論文の概要: Personalized and Explainable Blood Pressure Estimation from PPG via Hybrid CNN--Morphological Features

• arxiv url: http://arxiv.org/abs/2609.13190v1
• Date: Tue, 11 Aug 2026 09:26:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.519942
• Title: Personalized and Explainable Blood Pressure Estimation from PPG via Hybrid CNN--Morphological Features
• Title（参考訳）: ハイブリッドCNNによるPSGからの個人的および説明可能な血圧推定--形態学的特徴-
• Abstract要約: 持続カフレス血圧(BP)モニタリングは、パーソナライズされたヘルスケアに有望なソリューションを提供する。 既存の方法には2つの大きな制限がある。 本研究では,グローバルおよびローカルな動態を捉えた畳み込みネットワーク(CNN)ブランチと,人固有の血管特性を明示的に符号化した形態素優先の分岐を結合したBP推定のための生理学的誘導ハイブリッド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）: 1.2716195762843874
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous cuffless blood pressure (BP) monitoring using photoplethysmography (PPG) offers a promising solution for personalized healthcare. However, existing methods have two major limitations. Handcrafted feature-based approaches rely on precise fiducial point detection and are limited to short-term analysis, while deep learning models, despite their accuracy, often operate as black boxes with limited physiological interpretability. To address these challenges, we propose a physiology-guided hybrid framework for personalized BP estimation that couples a convolutional neural network (CNN) branch capturing global and local waveform dynamics with a morphology-prior branch that explicitly encodes person-specific vascular characteristics. By embedding a morphology-based feature set that explicitly encodes individual vascular characteristics, the proposed framework enhances personalization and reduces dependence on large-scale training datasets. Evaluated on a subset of the MIMIC-III database under a subject-specific (personalized) testing protocol, the proposed personalized physiology-guided hybrid approach achieved mean absolute errors (MAEs) of 3.77 mmHg for systolic BP and 2.36 mmHg for diastolic BP, corresponding to relative improvements of 43.7% and 32.4% over a subject-specific (personalized) CNN-only baseline. SHAP-based analysis confirmed that the introduced morphology-prior features align with individual vascular characteristics, reinforcing per-subject interpretability. These findings highlight the potential of personalized, physiology-guided hybrid learning with novel morphological descriptors for accurate and explainable BP monitoring in real-world settings.
• Abstract（参考訳）: Photoplethysmography (PPG) を用いた持続性カフレス血圧(BP)モニタリングは、パーソナライズされた医療に有望な解決策を提供する。 しかし、既存の方法には2つの大きな制限がある。 手作業による特徴に基づくアプローチは、正確なフィデューシャルポイントの検出に依存し、短期的な分析に限られるが、ディープラーニングモデルは、その正確さにもかかわらず、しばしば生理的解釈性に制限されたブラックボックスとして機能する。 これらの課題に対処するため,我々は,大域的および局所的な波形のダイナミクスをとらえる畳み込みニューラルネットワーク(CNN)と,人固有の血管特性を明示的に符号化する形態素優先の分岐を結合したBP推定のための生理学的誘導ハイブリッドフレームワークを提案する。 個々の血管特性を明示的にエンコードする形態素ベースの特徴セットを組み込むことで,個人化が促進され,大規模トレーニングデータセットへの依存度が低下する。 MIMIC-IIIデータベースのサブセットを個別(個人化)テストプロトコルで評価し、提案されたパーソナライズされた生理学誘導ハイブリッドアプローチは、シストリックBPでは3.77 mmHg、拡張型BPでは2.36 mmHgの平均絶対誤差(MAEs)を達成した。 SHAPをベースとした解析により, 導入した形態的特徴は, 個々の血管特性と一致し, 物体ごとの解釈性を高めた。 これらの知見は, 実環境におけるBPモニタリングの正確かつ説明可能な新しい形態記述子を用いた, パーソナライズされた生理学的誘導型ハイブリッド学習の可能性を強調した。

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)
• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• PMB-NN: Physiology-Centred Hybrid AI for Personalized Hemodynamic Monitoring from Photoplethysmography [2.578526056248276]
  血圧(BP)と血行動態パラメータの連続モニタリングは早期血管障害検出に重要である。 これまで提案した生理的AI手法-PMB-NN(Physiological Model-based Network)による血圧推定は,RとCがパラメータ化した2要素ウィンドケッセルモデルを用いて深層学習を統合する。
  論文  参考訳（メタデータ） (2025-12-11T15:32:50Z)
• Inferring Optical Tissue Properties from Photoplethysmography using Hybrid Amortized Inference [9.6326158044961]
  本稿では,PPG信号と解釈可能な生理的・光学的パラメータを関連付ける生物物理モデルPPGenを紹介する。 その結果,HAIは様々なノイズやセンサ条件下で生理的パラメータを正確に推定できることがわかった。
  論文  参考訳（メタデータ） (2025-10-02T14:36:02Z)
• 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 Finger on the Pulse of Cardiovascular Health: Estimating Blood Pressure with Smartphone Photoplethysmography-Based Pulse Waveform Analysis [2.4347312660509672]
  本研究は, 血圧推定のためのスマートフォンを用いた光プラチスモグラフィー(SPW-BP)の革新的4つの戦略を提案する。 我々は,高次正規化やデータ削除,境界信号再構成など,しばしば無視されるデータ品質改善技術を採用している。 相関とSHAP分析はBP推定を改善するための重要な特徴を同定した。 しかし, Bland-Altman 分析では系統的偏りがみられ, MAE 解析ではAAMI と BHS の精度基準を満たしていないことがわかった。
  論文  参考訳（メタデータ） (2024-01-20T05:05:17Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)

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。