从 PPG 信号推断 ECG 波形,使用修改后的 U-Net 神经网络
Rafael Albuquerque Pinto1, Hygo Sousa De Oliveira1, Eduardo Souto1
1Instituto de Computação, Universidade Federal do Amazonas (UFAM), Av. Rodrigo Otávio, n° 6200, Manaus 69077-000, AM, Brazil.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
这项研究介绍了PPG2ECG,这是一种从光电心电图 (PPG) 数据生成心电图 (ECG) 信号的新方法. 这使得使用可穿戴设备进行连续,可访问的心脏监测,而没有传统心电图的局限性.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 可穿戴设备允许在临床环境之外扩展心脏监测,使用光电图 (PPG) 和心电图 (ECG) 传感器.
- 通过移动设备进行持续的心电图监测是具有挑战性的,因为与PPG不同,用户的互动要求很高.
- 从PPG诊断心脏异常受到ECG作为黄金标准的既定作用的限制.
研究的目的:
- 提出一种方法,PPG2ECG,用于从PPG信号中推断ECG波形.
- 克服当前可穿戴心脏监测的局限性,通过PPG实现连续ECG信号采集.
- 通过提供可行且准确的心电图监测解决方案,促进早期识别心脏病.
主要方法:
- 开发了PPG2ECG,一种使用卷积波器将PPG映射到ECG信号域的方法.
- 使用U-net初始神经网络架构将PPG输入转换为ECG输出信号.
- 使用个性化和通用化模型策略评估方法.
主要成果:
- 实现的平均误差值为个性化模型的0.015和一般化模型的0.026.
- 证明了高精度地从PPG信号推断出ECG信号的可行性.
- 展示了推断和原始心电图信号之间的短距离,验证了该方法的潜力.
结论:
- PPG2ECG提供了一种准确且可行的方法,用于使用PPG信号进行持续的ECG监测.
- 该方法克服了现有的可穿戴心脏监测技术的局限性.
- 这项技术在帮助早期发现心血管疾病方面具有重大潜力.
