Estimación de la presión arterial utilizando una sola señal de fotopletismografía basada en ResNet-BiGRU

Área de la Ciencia:

• Ingeniería Biomédica Ingeniería Biomédica.
• La inteligencia artificial es inteligencia artificial.
• Salud Cardiovascular La salud cardiovascular.

Sus antecedentes:

• El monitoreo convencional de la presión arterial (BP) se basa en mediciones intermitentes basadas en el manguito.
• La fotoletismografía (PPG) ofrece una alternativa no invasiva y continua para la estimación de la presión arterial.
• Desarrollar un monitoreo preciso y sin manguitos de la presión arterial es crucial para la gestión proactiva de la salud.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje profundo para una estimación precisa y sin manguitos de la presión arterial utilizando una sola señal PPG.
• Aprovechar las arquitecturas avanzadas de redes neuronales para mejorar el monitoreo de la presión arterial.
• Para validar el rendimiento del modelo en conjuntos de datos independientes.

Principales métodos:

• Se diseñó una red neuronal profunda híbrida (ResNet-BiGRU), que integra bloques convolucionales residuales y unidades recurrentes con puerta bidireccional.
• El modelo fue entrenado y validado en el conjunto de datos de estimación de la presión arterial sin manguito de la UCI (subconjunto MIMIC-II) que comprende 942 sujetos.
• El preprocesamiento de datos involucró el filtrado de paso de banda (0,5-8 Hz) y la segmentación en ventanas de 5 segundos, con una división de validación de trenes de 80/20.

Principales resultados:

• El modelo ResNet-BiGRU logró errores absolutos medios bajos (MAE): 4.78 mmHg para la presión arterial sistólica (SBP) y 2.98 mmHg para la presión arterial diastólica (DBP) en el conjunto de datos de la UCI.
• La validación externa en el conjunto de datos de VitalDB demostró un rendimiento robusto con EMA de 8.15 mmHg para SBP y 4.59 mmHg para DBP.
• Estos resultados indican una alta precisión y fiabilidad en la estimación de la presión arterial sin manguito.

Conclusiones:

• El modelo ResNet-BiGRU proporciona una estimación de la presión arterial sin manguito precisa, robusta y generalizable.
• Este enfoque de aprendizaje profundo muestra un potencial significativo para la integración en los sistemas de monitoreo de salud portátiles.
• El monitoreo continuo y no invasivo de la presión arterial puede mejorar el manejo de la salud cardiovascular.