CIsense:使用PPG传感器数据进行脑梗塞早期查的自动化框架
Shresth Gupta1, Anurag Singh1, Abhishek Sharma1
1IIIT Naya Raipur, Raipur, Chhattisgarh 493661 India.
Biomedical engineering letters
|February 20, 2024
概括
这项研究引入了一种新的,自动化的方法,使用光聚体图 (PPG) 信号来早期检测脑梗塞 (CI). 这种方法提供了一种简单,廉价和准确的方法来识别中风风险,促进及时的医疗干预.
科学领域:
- 生物医学工程 生物医学工程
- 心血管健康 心血管健康
- 神经学 神经学
背景情况:
- 大脑梗塞 (CI) 或中风是大脑血液供应减少的结果,需要及早检测以预防严重并发症.
- 目前的诊断方法如CT,MRI和超声波是有效的,但耗时且昂贵.
- 来自可穿戴设备的光电显微镜 (PPG) 信号显示出对非侵入性心血管疾病诊断的前景.
研究的目的:
- 开发和验证一个自动化的,信任点独立的框架,用于使用PPG信号预测脑梗塞.
- 评估拟议方法在对具有或没有CI的个体进行分类时的准确性.
- 建立一种简单,具有成本效益的早期CI检测方法,并提高对及时治疗的认识.
主要方法:
- 利用公开可用的数据集,包括219个个体的PPG和其他生理数据.
- 开发了一个自动化框架,从更高阶PPG衍生品中提取特征.
- 使用粗高斯支向量机 (SVM) 来对CI主题进行分类.
主要成果:
- 在预测脑梗塞方面取得了很高的准确性,报告了特定的验证和测试准确性 (和).
- 独立于信托点的方法证明了足够的诊断能力.
- 该方法成功地将CI受试者从正常人中分类出来.
结论:
- 拟议的基于PPG的框架为早期脑梗塞检测提供了一种简单,自动化和廉价的方法.
- 这种方法可以帮助识别有风险的个人,促进意识,并促进及时治疗,以避免严重的健康障碍.
- 从PPG衍生品中提取的 entropy特征对于预测CI病理非常有价值.
