Continuous Blood Pressure Estimation Using Exclusively Photopletysmography by LSTM-Based Signal-to-Signal Translation
Latifa Nabila Harfiya, Ching-Chun Chang and Yung-Hui Li
摘要
監測連續的血壓信號是一個重要的議題，因為會在血壓會在數天、數分鐘甚至數秒內發生變化。大多數基於 PPG (光電容積脈搏波) 由血氧濃度的血壓估計方法容易受到雜訊所影響，且僅提供 SBP (收縮壓) 和 DBP (舒張壓) 這兩類單一數值的預測。
我們不是估計一個離散值，而是從不同的角度來估計血壓的整個波形。我們提出了一種新的深度學習模型來學習如何執行從 PPG 信號到 ABP (動脈血壓) 信號之間的轉換。此外，僅使用原始 PPG 信號作為輸入，所提出模型的輸出是連續的 ABP 信號。
基於轉換後的 ABP 信號，我們相應地提取 SBP 和 DBP 的數值以簡化比較評估。我們預測結果的平均誤差絕對值低於 5 mmHg，SBP 的置信度為 70%，DBP 的置信度為 95%。這些結果符合醫療器械促進協會 (AAMI) 和英國高血壓學會 (BHS) 的 A 級標準。