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

本研究基于包含 7500 万条记录的广泛数据集， 探索并分析了血压在年龄、种族和性别等人口统计特征上的变化，结果发现性别对血压变化的影响并不显著，而舒张压在四十多岁年龄组呈现出一个独特的峰值，同时在一些种族群体中发现了血压分布的有趣相似性，这一全面调查为高血压的研究做出了贡献，并强调了考虑各种人口统计特征在理解血压变化中的重要性，研究结果提供了宝贵的洞察，可以为个性化的医疗做出指导。

Feb, 2024

本研究旨在评估大型语言模型（LLMs）在医疗保健中的功效，特别关注它们在个人异常健康监测中的应用。我们的研究主要调查了 LLMs 在解释和分析来自 FDA 批准设备获取的生理数据方面的能力。我们在模拟低气压平台环境中进行了广泛的分析，评估了 LLMs 在理解和评估用户健康状况方面的精确性和可靠性。研究结果表明，LLMs 在确定医学指标方面表现出色，心率平均绝对误差小于 1 次 / 分，氧饱和度小于 1%，而这些评估的平均绝对百分比误差保持在 1% 以下，总体健康评估的准确率超过 85%。在诸如解释光电容积描记法（PPG）数据等图像分析任务中，我们专门适应的 GPT 模型表现出卓越的能力，心率周期计数误差小于 1 次 / 分，心率估算的平均绝对误差为 7.28。本研究凸显了 LLMs 作为健康数据分析工具和先进人工智能健康助手中的关键要素的双重角色，在未来的健康助手框架内提供个性化健康见解和建议。

Nov, 2023

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

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

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

本研究探讨了血压测量中的偏差，主要包括血压测量设备、主体因素和测量周期，并探讨如何使用机器学习技术来监测和预测血压的变化和可能存在的偏移。

Jun, 2023

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

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

本研究通过实验验证了 GPT-3 和 GPT-4 在 8 个 BioNLP 应用中的性能表现，并对其识别错误进行了分析，提出了在 BioNLP 应用中使用 LLMs 的建议。

May, 2023