从单个振动心脏图像传感器中多模式心脏波形的生成重建

科学领域:

• 生物医学工程 生物医学工程
• 心血管监测 心血管监测
• 信号处理 信号处理

背景情况:

• 多式联动心脏监测系统通常需要许多传感器,这限制了它们在持续日常使用中的实用性.
• 由于复杂性和需要频繁校准,现有系统在现实应用中面临挑战.
• 需要简化,可穿戴的解决方案来进行全面的心脏评估.

研究的目的:

• 开发和验证一个生成型建模框架,用于从单个振动心脏图 (VCG) 传感器估计多个心脏波形.
• 评估使用VCG和生成人工智能的可行性,以取代复杂的多式联络传感器设置用于心脏监测.
• 提高日常生活中持续心脏监测的实用性.

主要方法:

• 在20名受试者中,记录了VCG信号与心电图 (ECG),阻抗心脏图 (ICG),非侵入性血压 (NIBP) 和光电脉冲图 (PPG) 一起.
• 使用条件生成对抗网络 (cGAN) 来从VCG输入中重建正常化的ECG,ICG,NIBP和PPG信号.
• 采用一个离开一个主体的交叉验证策略来评估模型概括和在不同生理状态 (例如,喘息,冷压测试) 中的无校准性能.

主要成果:

• 重建的心脏波形显示出与目标信号的强烈对齐,中位数的皮尔森相关系数从0.808 (ECG) 到0.929 (PPG) 之间.
• 生成模型准确地捕获了估计波形的形态结构和时间动态.
• 精度在各种生理干预中保持一致,表现出强大的性能.
• 信任点分析证实了该模型提取关键心脏特征的能力.

结论:

• 单传感器VCG方法与生成建模相结合,为传统的多式联络心脏监测系统提供了可行和简化的替代方案.
• 这种方法显著提高了在日常环境中实用,持续的心脏监测的潜力.
• 开发的框架证明了人工智能在简化复杂的生理信号采集方面的力量.