フォトプレチスモグラフィック信号からの加重可視性グラフメトリックによるパルス波速度の評価

科学分野:

• 生物医学工学
• 心血管の生理学
• 医療における機械学習

背景:

• 脈波速度 (PWV) は,動脈の硬化と心血管のリスクを予測する重要な非侵襲的なバイオマーカーです.
• PWVの正確な推定は,動脈硬化症や高血圧などの心血管疾患の早期発見と管理に不可欠です.
• PWVの評価のための既存の方法は,アクセシビリティがないか,特殊な機器を必要とします.

研究 の 目的:

• フォトプレチスモグラフィー (PPG) 信号を用いたPWVの推定のための新しいデータベースのアプローチを開発し,検証する.
• PWVの強固な定量化のために,制限された浸透可能な加重可視性グラフ (LPWVGs) と機械学習を活用する.
• PWV推定技術の解釈性と臨床的適用性を向上させる.

主な方法:

• PPGの波形およびその派生物から複数のLPWVGを構成し,さまざまな重み付け戦略を使用します.
• 半古典的な信号分析 (SCSA) の記述子,周波数領域の測定値,形質学的特徴を含む包括的な特徴のセットの抽出
• 予測モデリングと解釈可能性のための説明可能なブースティングマシン (EBM) モデルを訓練する.

主要な成果:

• 提案されたLPWVGベースのEBMモデルは,PWVの推定において高い精度と信頼性を達成しました.
• 陽性な試験結果は,R^2の [公式:テキストを参照] と,平均絶対誤差の [公式:テキストを参照] を示した.
• ネガティブなテストは,モデルの信頼性を確認する[公式:テキストを参照]の平均絶対誤差を示した.

結論:

• LPWVGとEBMを使用した新しいデータベースの方法は,非侵襲的なPWV推定のための正確で解釈可能なアプローチを提供します.
• このテクニックは,臨床的および外来心血管健康スクリーニング,リスク分層化,および老化研究において大きな可能性を秘めています.
• これらの発見は,この方法を日常的な心血管のモニタリングと診断に統合する可能性を裏付けています.