PPG-to-ECG信号翻译用于通过基于注意力的深度状态空间建模来持续检测心房动.

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 医疗保健中的人工智能

背景情况:

• 摄影电磁镜 (PPG) 是一种用于测量心脏生理学的非侵入性光学技术,广泛用于可穿戴设备.
• 尽管很受欢迎,但PPG缺乏心电图 (ECG) 的实质性临床诊断价值.
• 在PPG和ECG信号之间存在强烈的相关性,这表明基于PPG的ECG重建的潜力.

研究的目的:

• 开发一个独立于主题的模型,将PPG信号转换为相应的ECG波形.
• 创建一个强大且数据效率高的模型,能够处理杂的真实世界数据.
• 为了使PPG的持续监测能够与ECG的诊断能力相结合,用于早期发现心血管疾病.

主要方法:

• 提出了一个主体独立的基于注意力的深度状态空间模型 (ADSSM).
• 整合了对数据效率和噪声强度的概率先验知识.
• 使用MIMIC-III数据库中的55名受试者的数据评估了该模型,包括噪音变化.

主要成果:

• ADSSM在将PPG转化为ECG信号方面表现出有效性.
• 当与现有的心房动 (AFib) 检测器一起使用时,翻译的心电图信号实现了0.986的PR-AUC.
• 该模型被证明是对噪声强大的,并且在有限的数据上有效.

结论:

• ADSSM成功地将PPG信号转换为心电图波形,为心血管监测提供了一条新的途径.
• 这种方法弥合了PPG的可访问性和ECG的诊断能力之间的差距.
• 通过将连续的PPG测量与ECG已建立的知识库相结合,使得心血管疾病的早期诊断成为可能.