論文の概要: ExpertoRhythm: Morphology-Aware Learning for Waveform Reconstruction and Cuffless Blood Pressure Estimation from Single-Channel PPG
- arxiv url: http://arxiv.org/abs/2609.34146v1
- Date: Mon, 28 Sep 2026 02:27:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 06:27:50.019155
- Title: ExpertoRhythm: Morphology-Aware Learning for Waveform Reconstruction and Cuffless Blood Pressure Estimation from Single-Channel PPG
- Title（参考訳）: 専門リズム:単一チャネルPSGによる波形再構成とカフレス血圧推定のための形態認識学習
- Abstract要約: 本稿では,単チャンネルPSG信号から動脈血圧(ABP)波形を再構成する1次元U-NetであるExpertoRhythmを紹介する。
エキスパートリズムは、再構成された波形から直接収縮性および拡張性BPを誘導する。
- 参考スコア（独自算出の注目度）: 0.4269841880000787
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous cuffless blood pressure (BP) monitoring from photoplethysmography (PPG) has strong potential for wearable health and telemonitoring, but accurate estimation remains difficult because PPG-to-BP mapping must preserve subtle waveform morphology and pressure-range-dependent dynamics. We introduce ExpertoRhythm, an attention-enhanced 1D U-Net that reconstructs the arterial blood pressure (ABP) waveform from a single-channel PPG signal and derives systolic and diastolic BP directly from the reconstructed waveform. The central contribution is a composite morphology-aware learning objective that integrates range-weighted SmoothL1 reconstruction with a window-range regularizer to emphasize high-dynamic BP segments and reduce amplitude under/over-shoot. On the UCI cuff-less BP dataset with 942 subjects, ExpertoRhythm achieves 2.46/1.46 mmHg MAE for systolic/diastolic BP (SBP/DBP), while obtaining a 30.4% average relative error reduction over pure MSE across waveform reconstruction and BP estimation metrics. Clinical-style evaluation further demonstrates low bias and strong agreement across the BP range, including high-pressure windows up to 200 mmHg, satisfying AAMI criteria and achieving BHS Grade A. These results suggest that morphology-aware waveform reconstruction from a single PPG channel can provide an accurate and practical pathway toward continuous cuffless BP monitoring in wearable and remote-care settings.
- Abstract（参考訳）: PPG-BPマッピングは微妙な波形形態と圧力範囲依存性のダイナミクスを保たなければならないため、ウェアラブルの健康と遠隔監視に強い可能性を秘めている。
本稿では,単チャンネルPSG信号から動脈圧(ABP)波形を再構成し,再建した波形から直接収縮型および拡張型BPを導出する1次元U-NetであるExpertoRhythmを紹介する。
中心的貢献は、SmoothL1再構成をウィンドウレンジ正規化器と統合し、高ダイナミックBPセグメントを強調し、アンダー/オーバーシュート時の振幅を減少させる複合形態素認識学習の目的である。
UCI cuff-less BP dataset with 942 subjects, ExpertoRhythm achieves 2.46/1.46 mmHg MAE for systolic/diastolic BP (SBP/DBP) while obtained a 30.4% average relative error reduction over pure MSE across waveform reconstruction and BP estimation metrics。
臨床スタイルの評価は,AAMI基準を満たす200 mmHgまでの高圧窓やBHSグレードAの達成を含むBP範囲のバイアスが低く,強い一致を示した。これらの結果は,単一PPGチャネルからの形態学的に認識された波形再構成が,ウェアラブルおよび遠隔医療における連続カフレスBPモニタリングへの正確な,実用的な経路を提供する可能性があることを示唆している。
関連論文リスト
- SIFPBPNet: A Dual-Path Network for Wearable and Cuffless Blood Pressure Estimation via Individualized Steady-state Representation [7.798066931950822]
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。
論文 参考訳（メタデータ） (2026-09-11T10:36:46Z) - Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。
本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-08T16:33:07Z) - 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) - Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。
リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。
本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
論文 参考訳（メタデータ） (2025-10-30T13:54:37Z) - 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) - Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。
シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。
提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
論文 参考訳（メタデータ） (2024-12-23T13:05:17Z) - 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) - BP-Net: Efficient Deep Learning for Continuous Arterial Blood Pressure
Estimation using Photoplethysmogram [0.06524460254566904]
血圧は心臓血管疾患や脳卒中に最も影響を及ぼすバイオマーカーの1つである。
連続BPモニタリングへの現在のカフレスアプローチは、フォトプレソグラム信号を取り巻く明示的な特徴工学を含む。
本稿では,PPG波形を用いてSystolic BP (SBP), Mean Average Pressure (MAP), Diastolic BP (DBP) を中間連続動脈BP (ABP) 波形で推定する。
論文 参考訳（メタデータ） (2021-11-29T14:43:58Z)
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。