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

Jun, 2024

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

Deep Imbalanced Regression to Estimate Vascular Age from PPG Data: a Novel Digital Biomarker for Cardiovascular Health

Guangkun Nie, Qinghao Zhao, Gongzheng Tang, Jun Li, Shenda Hong

TL;DR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。

Abstract

photoplethysmography (PPG) is emerging as a crucial tool for monitoring human hemodynamics, with recent studies highlighting its potential in assessing vascular aging through deep learning. However, real-world ag

photoplethysmography vascular aging imbalance regression tasks convolutional neural network cardiovascular health

发现论文，激发创造

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

利用光电容积脉搏波和深度学习预测心血管疾病风险

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。

May, 2023

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

通过对比学习走近我的心：从未标记视频中进行远程光电容积图

本文介绍了一种远程面部信号分析的新方法，应用了神经网络和自监督训练进行无监督学习，利用对感兴趣信号的弱先验建模，并成功在四个数据集上进行测试，证明了该方法的可行性和效果。

Nov, 2021

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

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

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

PPG2ABP：使用完全卷积神经网络将光电波图（PPG）信号转换为动脉血压 (ABP) 波形

通过使用无创的 PPG 信号，结合深度学习技术，本文提出了一种预测连续动脉血压波形的方法 PPG2ABP，该方法在形态、幅度和相位上都有很好的预测效果，并且在 DBP、MAP 和 SBP 等参数的计算上表现出色。

May, 2020

回归还是分类？基于深度神经网络的 PPG 数据 BP 预测在实际应用中的思考

本文比较了基于 Photoplethysmographic 信号的血压回归和分类方法，认为在某些场景下，血压分类方法可能比血压回归方法更可取。作者使用公开的 PPG 数据进行一系列分类和回归模型的比较，发现分类模型在个性化后的准确度优于回归方法，因此在某些足够粗略的 BP 范围分割场景下，可以采用 BP 分类方法。

Apr, 2022

用不同身体部位的视频和目标进行训练的 rPPG 模型有多次优？

远程摄像测量血容量脉搏通过光容积脉搏图（rPPG）是一种可伸缩、低成本、易于获取心血管信息的引人注目的技术。我们使用最新发布的同步接触式 PPG 和面部视频测量的独特数据集，对训练面部视频 rPPG 模型时是否使用来自身体其他部位的接触式测量数据进行优化进行了精确和定量的研究，结果显示，使用额头 PPG 信号相较于手指 PPG 信号，可以获得高达 40% 的均方误差降低，模型更好地学习了地面真实 PPG 信号的形态。然而，从手指 PPG 训练的模型仍然能很好地学习到主导频率（即心率）的特征。

Mar, 2024