详细内容或原文请订阅后点击阅览
用于无创监测心血管参数的光电体积描记法混合建模
持续心血管监测可以在精准健康中发挥关键作用。然而，一些感兴趣的基本心脏生物标志物，包括每搏输出量和心输出量，需要侵入性测量，例如动脉压波形（APW）。作为一种非侵入性替代方案，光电体积描记法 (PPG) 测量值通常在医院环境中收集。不幸的是，通过 PPG 而不是 APW 来预测关键心脏生物标志物仍然是一个开放的挑战，而且由于缺乏带注释的 PPG 测量结果而变得更加复杂。作为解决方案，我们提出了一种混合方法，该方法使用......
来源:Apple机器学习研究持续心血管监测可以在精准健康中发挥关键作用。然而，一些感兴趣的基本心脏生物标志物，包括每搏输出量和心输出量，需要侵入性测量，例如动脉压波形（APW）。作为一种非侵入性替代方案，光电体积描记法 (PPG) 测量值通常在医院环境中收集。不幸的是，通过 PPG 而不是 APW 来预测关键心脏生物标志物仍然是一个开放的挑战，而且由于缺乏带注释的 PPG 测量结果而变得更加复杂。作为一种解决方案，我们提出了一种混合方法，该方法使用血流动力学模拟和未标记的临床数据直接根据 PPG 信号估计心血管生物标志物。我们的混合模型结合了在配对 PPG-APW 数据上训练的条件变分自动编码器和在标记的模拟 APW 片段上训练的心脏生物标志物的条件密度估计器。作为一个关键结果，我们的实验表明，所提出的方法可以检测心输出量和每搏输出量的波动，并且在监测这些生物标志物的时间变化方面优于监督基线。
- † 瑞士苏黎世联邦理工学院** 在 Apple 期间完成的工作