20 января 2023 · авторы: Аюшман Гхош, Саян Саркар, Джаянт Калра
Целью представленного исследования является оценка артериального давления (АД) с использованием сигналов фотоплетизмограммы (PPG) с использованием нескольких моделей машинного обучения.
источник: https://arxiv.org/abs/2301.08439v1
В исследовании предлагается новый алгоритм реконструкции сигнала, который использует метод полуклассического анализа сигнала (SCSA). Предлагаемый алгоритм оптимизирует полуклассическую константу и устраняет компромисс между сложностью и точностью реконструкции. Спектральные характеристики реконструированных сигналов извлекаются и объединяются с клинически значимыми морфологическими характеристиками PPG и его второй производной (SDPPG).
Разработанный метод оценивался с использованием общедоступного виртуального набора данных in-silico, включающего более 4000 субъектов, и набора данных многопараметрического интеллектуального мониторинга в отделениях интенсивной терапии.
Результаты показали, что метод достиг средней абсолютной ошибки 5,37 и 2,96 мм рт. ст. для систолического и диастолического АД, соответственно, с использованием супервизионного алгоритма CatBoost.
Этот подход соответствовал стандартам, установленным прогрессом медицинского инструментария, и достиг степени А для всех категорий АД в протоколе Британского общества гипертонии.
Предлагаемая структура хорошо работает даже при применении к объединенной базе данных MIMIC-III и Queensland dataset. В этом исследовании также оценивается эффективность предлагаемого метода в доклинических условиях с зашумленными и деформированными сигналами PPG, чтобы подтвердить эффективность метода SCSA.
Тесты на шумовую нагрузку показали, что алгоритм сохранил свою ключевую функцию обнаружения, возможность восстановления сигнала и точность оценки вплоть до отношения SNR к 10 дБ. Считается, что предложенный метод оценки АД без манжеты потенциально может хорошо работать в условиях ограниченных ресурсов благодаря его простому подходу к внедрению.