TransfoRhythm：一种通过单一PPG信号采集实现血压估计的Transformer架构

最新统计表明，全球约有13亿人患有高血压，高血压是全球过早死亡的主要原因之一。血压（BP）是准确、及时诊断和/或治疗高血压的关键健康指标。传统的血压测量方法依赖袖带式方法，无法提供实时、连续且可靠的血压估计，而这对于高血压的及时诊断/治疗至关重要。在人工智能（AI）和深度神经网络（DNN）近期进展的推动下，开发数据驱动的无袖带血压估计方案引起了越来越多的关注。在此背景下，当前文献主要集中于联合使用心电图（ECG）和光电容积脉搏波（PPG）传感器，但这种方法受限于对多种传感器类型的依赖。另一种替代方案利用独立的PPG信号，但由于缺乏辅助传感器（ECG），需要利用形态学特征，同时还要应对运动伪影和高频噪声，因而面临挑战。为解决这些问题，本文引入了TransfoRhythm框架，这是一种基于Transformer的DNN架构，构建于最新发布的生理学数据库MIMIC-IV之上。借助多头注意力（MHA）机制，TransfoRhythm识别数据片段之间的依赖关系和相似性，形成一个仅使用PPG信号进行无袖带血压估计的稳健框架。据我们所知，本文是首个将MIMIC IV数据集应用于无袖带血压估计的研究。TransfoRhythm取得了高度准确的结果，收缩压和舒张压的均方根误差（RMSE）分别为[2.21, 1.84]，平均绝对误差（MAE）分别为[1.37, 1.06]。

中文由 AI 翻译，仅供参考，以原文为准。