Cuff-less Estimation of Blood Pressure from Vibrational Cardiography Using a Convolutional Neural Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wearable monitoring is important for the diagnosis, prevention, and treatment of cardiovascular diseases and overall cardiac health.A key indicator, Blood pressure (BP), currently relies on cuff-based devices for measurement that are cumbersome for ambulatory monitoring scenarios.Vibrational cardiography (VCG) is an unobtrusive, non-invasive tool which records cardiac vibrations on the surface of the chest.This work proposes using VCG in a novel method to estimate BP from a single point of contact.VCG was recorded by an inertial measurement unit on the xiphoid process of 62 subjects.A convolutional neural network was trained on the VCG waveforms to estimate systolic and diastolic BP.This resulted in an r-squared correlation coefficient of 0.86 and 0.89 and a mean-absolute-error of 3.4 mmHg and 2.2 mmHg for systolic and diastolic BP, respectively.Therefore, this work shows the applicability of using exclusively VCG for BP estimation.It affirms the value of VCG as an all-purpose health monitor, while also improving on the current techniques for continuous BP monitoring.This indicates the potential of VCG in many forms of wearable monitoring including remote healthcare, fitness, and wellness monitoring.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle