Nov, 2023

BrainZ-BP：一种利用脑生物阻抗和心电图的非侵入式无袖血压估计方法

PDF
TL;DR研究探讨了通过大脑生物阻抗 (Brain BIOZ) 来估计血压的方法，并提出了一种新的无袖血压估计方法 BrainZ-BP。使用大脑生物阻抗的脉冲传递时间和形态特征，通过四个回归模型估计血压，结果表明该方法在收缩压和舒张压估计上具有很好的表现，适用于基于大脑生物阻抗的颅内压监测场景，实现同时监测血压。
blood pressure monitoringnon-invasivebrain bio-impedancebp estimationcuff-less
发现论文，激发创造
  • BP-Net：使用光谱图连续估计动脉血压的高效深度学习

    该研究提出了一个端到端基于深度学习的方案，使用图像采集的 PPG 波形来实时监测血压，该方法达到了良好的测量效果并部署在了一个树莓派设备上。

    Nov, 2021

  • 利用面部视频估计心率和血压的相移远程光电测量

    通过深度学习建立的两阶段视觉远程光电测量网络 (DRP-Net) 和边界血压网络 (BBP-Net) 可估算心率和血压，其中 DRP-Net 用于估算心率，BBP-Net 通过分析不同部位的光电信号的相位差估算收缩压与舒张压。与最近的方法相比，本方法在心率估算上减小了 34.31% 的平均绝对误差 (MAE)。

    Jan, 2024

  • BP-DeepONet：一种用于无袖血压估计的物理启发 DeepONet 的新方法

    该研究提出了基于物理信息的 DeepONet 方法的新框架来预测动脉血压波形，解决了连续无创测量动脉血压波形的问题，同时采用时间周期条件和 Windkessel 边界条件满足 Navier-Stokes 方程，通过引入元学习的概念来准确估计参数。

    Feb, 2024

  • 探索利用光电容抗信号估计血压的局限性

    我们开发了一个基于校准的 Siamese ResNet 模型，使用与参考血压读数配对的信号输入来估计血压。我们将归一化 PPG（N-PPG）与归一化侵入性动脉血压（N-IABP）信号作为输入进行比较。使用 VitalDB 数据集评估了我们的方法，结果显示 N-IABP 信号在 AAMI 标准下满足收缩压和舒张压的要求，而 N-PPG 信号则表现出较差的性能。我们的发现显示了使用 PPG 估计血压的潜力和限制。

    Apr, 2024

  • 可穿戴生物信号大型语言模型用于无袖血压测量

    该论文探讨了使用大型语言模型分析可穿戴生物信号实现无袖血压测量的潜力，提出了从心电图和光电波传感图中提取生理特征，并结合血压领域知识和用户信息设计增强上下文的提示信息，通过优化调整大型语言模型，在全面的可穿戴生物信号数据集上取得了令人瞩目的结果。

    Jun, 2024

  • TransfoRhythm：一种通过独立 PPG 信号捕获有利于血压估计的变压器架构

    本研究介绍了 TransfoRhythm 框架，这是一个基于 Transformer 的深度神经网络架构，利用单独的光电脉搏信号进行无袖式血压估计，在 MIMIC-IV 数据集上训练得到的 TransfoRhythm 模型在血压预测上表现出色。

    Apr, 2024

  • 使用 Transformer 和频域学习从单站 PPG 合成无袖动脉血压波形

    我们提出了两个新颖的用于无袖式人体血压波形合成的深度学习模型，采用单点光电容式血流容积脉搏图信号。我们利用公共 UCI 数据集对我们的深度学习模型进行训练和评估。首先，我们实现了一个 transformer 模型，它包括位置编码、多头注意力、层归一化和 dropout 技术，并以平均绝对误差为 14 进行 ABP 波形合成。其次，我们实现了一种频域学习方法，它首先获取 PPG 和 ABP 信号对应于两个心脏周期的离散余弦变换系数，然后学习它们之间的线性 / 非线性回归关系。我们发现，频域线性 / 非线性回归模型的 MAE 分别达到了 11.87 和 8.01，优于 transformer 模型。我们的频域线性 / 非线性回归模型还满足了使用超过 85 个受试者数据的 AAMI 准则，并且根据 BHS 准则达到了 B 级。

    Jan, 2024

  • 血压估算的挑战：通过脉搏波分析探究

    探讨使用 PPG 脉搏波分析技术预测血压的可行性，提出了新的评估工具，发现血压预测使用 PPG 多值映射因子为 33.2％，低互信息为 9.8％，这些结果提供了达成通过 PPG 脉搏波分析实现可穿戴式血压测量目标的更为现实的进展情况。

    Apr, 2023

  • 基于波形的 ANN-LSTM 网络利用心电图和光电脉搏图估计无腕带血压

    研究提出一种以波形为基础的分层人工神经网络 - 长短期记忆模型用于血压估计，模型自动提取应用典型的 PPG 和 ECG 波形的形态特征并考虑其时间域变化，使血压可在一种非侵入性的连续方式下的可靠估计，预计将极大地促进移动健康护理设备的发展。

    Nov, 2018

  • 语音基于增强优化和增量聚类的血压估计

    利用机器学习和语音信号，研究了准确血压估计的预处理、特征提取和实时应用。通过结合先进的聚类策略和情感维度的 YouTube 视频，丰富了对现代媒体环境与健康影响的理解。

    Nov, 2023