多阶段BiSTU网络结合BiLSTM和变压器,用于从PPG信号中预测ABP波形
Zheng Duanmu1, Haojie Gong1, Siyuan Lv1
1School of Instrument Science and Opto-Electronics Engineering, Beijing Information Science and Technology University, Beijing, 100192, Beijing, China.
Annals of biomedical engineering
|July 7, 2025
概括
一个新的BiSTU序列网络准确地预测动脉血压 (ABP) 波形,帮助心血管疾病 (CVD) 诊断. 这种AI模型显示出非侵入性ABP监测和早期心血管疾病检测的巨大潜力.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 心血管生理学心血管生理学
背景情况:
- 心血管疾病 (CVD) 是一个主要的全球健康问题.
- 动脉血压 (ABP) 波形分析对于早期心血管疾病诊断至关重要.
- 目前用于ABP波形评估的方法缺乏足够的准确性.
研究的目的:
- 提出一种新的U-net联合网络架构,即BiSTU序列网络.
- 开发一种能够预测高质量的动脉血压波形的模型.
- 提高用于早期心血管疾病检测的非侵入性ABP预测的准确性.
主要方法:
- 对时间依赖的双向长期短期记忆 (Bi-LSTM) 的整合.
- 包含一个具有多头注意力的变压器模型,用于详细的特征提取.
- 使用MultiRes卷积块注意模块U-Net (MCBAMU-Net) 进行多尺度特征提取.
- 从942名ICU患者的12,000个生命体征记录中训练模型.
主要成果:
- 预测的ABP波形与实际波形密切匹配 (R平方0.98).
- 获得了1.78 ± 2.15 mmHg的平均绝对误差 (MAE) 和2.79 mmHg的根平均平方误差 (RMSE).
- 满足了医学仪器进步协会 (AAMI) 对SBP和DBP的标准.
- 超过了英国高血压协会 (BHS) 的标准,精度在5mmHg和15mmHg之间.
结论:
- 比斯图序列网络显示了准确,非侵入性ABP预测的巨大潜力.
- 模型预测与临床标准保持一致,表明了广泛的应用前景.
- 有助于早期诊断和监测心血管疾病.
