Jun, 2024

可穿戴生物信号大型语言模型用于无袖血压测量

PDF
TL;DR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。
large language modelswearable biosignalscuffless blood pressure measurementphysiological featuresoptimally fine-tuned
发现论文，激发创造
  • 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

  • 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

  • 利用大型语言模型从科学文献中分析生物性别间血压变化

    高血压是公共卫生领域的重要问题，该研究利用大型语言模型自动提取了血压的平均值和标准差，并通过分析结果验证了利用语言模型研究不同人口因素对血压变化的可行性。

    Feb, 2024

  • Health-LLM：通过可穿戴传感器数据进行健康预测的大型语言模型

    该研究探讨了大规模语言模型在多模态健康预测中的应用，通过上下文信息和生理数据进行综合评估，并展示了 fine-tuned 模型在健康预测任务中的表现和对上下文增强策略的有效性。

    Jan, 2024

  • ALPHA: 异常生理健康评估利用大型语言模型

    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

  • 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

  • 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

  • 可穿戴生物信号基础模型的大规模训练

    通过使用自我监督学习方法，基于由可穿戴消费设备收集的大规模脉搏波和心电图数据，构建了一种能够编码参与者人口统计数据和健康状况信息的计算模型。这是第一项使用大规模数据集构建基础模型的研究，有望减少对标注数据的依赖，并提升未来可穿戴设备的效用。

    Dec, 2023

  • 大型语言模型为少样本健康学习者

    该研究展示大型语言模型能够通过只有少量的微调，在医疗和健康领域中处理不易表达为文本的各种生理和行为时间序列数据，并对心脏信号分析、身体活动识别、代谢计算和压力报告估计等健康任务进行有意义的推理。

    May, 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

    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。

    Nov, 2023