利用光电容积脉搏波和深度学习预测心血管疾病风险

May, 2023

利用光电容积脉搏波和深度学习预测心血管疾病风险

Predicting Cardiovascular Disease Risk using Photoplethysmography and Deep Learning

Wei-Hung Weng, Sebastien Baur, Mayank Daswani, Christina Chen, Lauren Harrell...

TL;DR通过使用智能手机上的 PPG 感应技术，我们建立了一种基于深度学习的 CVD 风险预测模型，可预测十年内患心血管疾病的可能性，该模型采用年龄、性别、吸烟状态和 PPG 等因素作为预测因子，可在医疗资源有限的地区提供一种基于社区的初级预防方法。

Abstract

Cardiovascular diseases (CVDs) are responsible for a large proportion of premature deaths in low- and middle-income countries. Early CVD detection and intervention is critical in these populations, yet many existing cvd risk scores require a physical examination or lab measurements, wh

photoplethysmography cvd risk deep learning predictive model primary prevention

发现论文，激发创造

基于 PPG 数据的深度不平衡回归估计血管年龄：一种用于心血管健康的新颖数字生物标记

通过深度学习评估血管衰老表现的 Photoplethysmography (PPG) 成为监测人体血液动力学的关键工具，本文在实证研究中介绍了名为 Dist Loss 的新型简单有效的损失函数，以解决深度不平衡回归任务的挑战，并在大规模的 UK 生物银行数据集上训练了一维卷积神经网络（Net1D），使用 PPG 信号估计血管年龄，验证了其在刻画心血管健康方面的功效，结果表明预测的血管年龄能够显著反映个体的心血管健康状况。

Jun, 2024

光电容积脉搏波数据的深度学习方法综述

近年来，深度学习模型在处理光电容积脉搏图数据方面取得了显著进展，其中医疗相关和非医疗相关任务是主要研究领域。

Jan, 2024

基于机器学习的光电容积脉搏信号特征用于糖尿病检测

使用非侵入式的光学光容积描记术（PPG）结合机器学习方法，通过对患者的 PPG 信号和元数据进行训练和分类，成功地开发了一种远程、非侵入式和连续测量的糖尿病检测装置。

Aug, 2023

利用深度学习从视网膜底照片预测心血管风险因素

通过使用深度学习技术在 284,335 个患者的视网膜底部图像数据和 12,026 和 999 个独立数据集上进行训练，我们预测了视网膜图像中以前未被认为存在或可以量化的心血管风险因素，例如年龄（在 3.26 岁内），性别（0.97 AUC），吸烟状况（0.71 AUC），HbA1c（在 1.39％内），收缩压（在 11.23mmHg 内），以及主要不良心脏事件（0.70 AUC），这为进一步的研究开辟了新的途径。

Aug, 2017

佩戴设备用于心血管生物标记监测的光电测量信号质量评估

本研究提取了 27 个统计特征，利用梯度提升（XGBoost 和 CatBoost）以及随机森林（RF）算法训练机器学习模型来评估血容量变化的 PPG 信号质量，在使用可穿戴设备进行连续监测时，考虑了运动伪影、皮肤色素沉着和血管运动等影响 PPG 准确性和可靠性的因素。研究发现，我们的模型在 XGBoost、CatBoost 和 RF 上分别达到了 Sensitivity（Se）、Positive Predicted Value（PPV）和 F1-score（F1）的 94.4、95.6、95.0，94.7、95.9、95.3 和 93.7、91.3、92.5，结果与文献中的最新成果相当，但使用了更简单的模型，证明机器学习模型在开发远程、非侵入性和连续测量设备方面具有很大的潜力。

Jul, 2023

深度学习技术与特征增强预测心脏疾病风险

该研究论文提出使用深度学习方法和特征增强技术评估患者是否有心血管疾病的风险，其结果优于其他最先进方法 4.4%，精度达到 90%，对于影响大量人口的疾病而言，这是一个显著的改进。

Feb, 2024

基于深度学习的基于 PPG 和 rPPG 信号的血压预测评估

利用光电脉搏（PPG）信号来非侵入性地测量血压很有趣，尤其是通过基于机器学习技术的神经网络和个性化技术提高预测性能。

Apr, 2021

使用深度学习模型的 PPG 信号进行高血压诊断的新方法

这篇研究论文提出了使用 Photoplethysmography（PPG）信号和深度学习模型（AvgPool_VGG-16）对高血压病的不同阶段进行分类的新方法，结果表明该方法在分类高血压阶段方面具有高准确度，展示了 PPG 信号和深度学习模型在高血压诊断和管理方面的潜力。

Apr, 2023

在跨数据集远程光电容积脉搏图方面提升泛化能力

研究表明，当前基于深度学习的 Remote Photoplethysmography (rPPG) 模型倾向于学习训练数据集中的脉搏波特征，作者提出的一种扩充训练数据集范围和变化性的方法成功缓解了这种倾向，进一步提高了模型的泛化能力。

May, 2023

基于可见性图和迁移学习的无幅机器学习 PPG 信号处理

本研究介绍了一种基于图论和计算机视觉算法的 PPG 信号处理框架，它对仿射变换具有不变性，计算速度快，并在任务和数据集之间表现出强大的泛化能力，能够提取人体循环系统的各种生物特征。

May, 2023