Vascular Aging Estimation Based on Artificial Neural Network Using Photoplethysmogram Waveform Decomposition: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: For the noninvasive assessment of arterial stiffness, a well-known indicator of arterial aging, various features based on the photoplethysmogram and regression methods have been proposed. However, whether because of the existing characteristics not accurately reflecting the characteristics of the incident and reflected waveforms of the photoplethysmogram or because of the lack of expressive power of the regression model, a reliable arterial stiffness assessment technique based on a single photoplethysmogram has not yet been proposed. OBJECTIVE: The purpose of this study is to discover highly correlated features from the incident and reflected waves decomposed from a photoplethysmogram waveform and to develop an artificial neural network-based regression model for the assessment of vascular aging using newly derived features. METHODS: We obtained photoplethysmograms from 757 participants. All recorded photoplethysmograms were segmented for each beat, and each waveform was decomposed into incident and reflected waves by the Gaussian mixture model. The 26 basic features and 52 combined features were defined from the morphological characteristics of the incident and reflected waves. The regression model of the artificial neural network was developed using the defined features. RESULTS: In correlation analysis, the features from the amplitude of the reflected wave and the skewness of the photoplethysmogram showed a relatively strong correlation with the participant's real age. In the estimation of real age, the artificial neural network model showed 10.0 years of root mean square error. Its estimated age and real age had a strong correlation of 0.63 (P<.001). CONCLUSIONS: This study proved that the features defined from the reflected wave and skewness of the photoplethysmogram are useful to assess vascular aging. Moreover, the regression model of artificial neural network using these features shows the feasibility for the estimation of vascular aging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».