1DCNN-BiLSTM - 基于APW的变压器高血压风险预测模型
Yan Peng1, Lu Ma1, Huiyu Zhou2
1School of Management, Capital Normal University, Beijing, China.
这项研究引入了一种新的深度学习模型,使用动脉压波形 (APW) 进行准确的高血压风险评估. 该模型有效地分析复杂的波形数据,改善分类性能并提供临床诊断见解.
科学领域:
- 心血管医学 心血管医学
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 高血压是多因素的,与肠道微生物群失调症的新兴联系.
- 摄影致血学 (PPG) 在捕捉高血压分类的详细血压病理学方面存在局限性.
- 动脉压波形 (APW) 提供了更丰富的病理信息,但深度学习研究有限.
研究的目的:
- 开发一种新的深度学习架构,用于使用APW进行高血压风险评估.
- 克服现有方法在从APW信号中提取全面的时间和形态特征方面的局限性.
- 提高基于APW的高血压分类的准确性和可解释性.
主要方法:
- 为APW分析提出了一个1D-CNN-BiLSTM-变压器架构.
- 1D-CNN提取了局部波形形态;BiLSTM模拟了远程时间依赖.
- 变压器通过多头自我注意力捕捉跨段的非线性相互作用.
主要成果:
- 根据PHDA的多通道APW数据库进行评估,包括高血压和非高血压病例.
- 拟议的模型在准确性,精度,回忆和F1分数方面明显超过了最先进的方法.
- 来自六个传统中医药点的APW信号的性能一致.
结论:
- 新的深度学习模型显著提高了使用APW的高血压分类性能.
- 由生理学驱动的分析证实,APW反映了与肠道微生物群失调相关的病理生理特征.
- 基于模型的解释性为临床高血压诊断提供了基础.
更多相关视频
05:16Cutoff Value of Phase Angle by Bioelectrical Impedance Analysis at Admission as a Prognostic Factor in Patients with Acute Heart Failure
Published on: June 10, 2025
04:05Author Spotlight: Unveiling Prognostic Indicators in Heart Failure - The Role of Phase Angle and Bioelectrical Impedance Analysis
Published on: June 30, 2023
相关概念视频
Hypertension I: Introduction
Assessment of blood pressure in brachial artery(two-step method)
Hypertension III: Clinical Manifestations and Diagnostic Studies
Hypertension II: Pathophysiology
Assessment of blood pressure in brachial artery(one-step method)
Prepare for the Procedure:
Factors affecting Blood pressure
Physiological Factors:
