回帰か分類か?実用的アプリケーションの範囲における深層ニューラルネットワークを用いたPPGデータからのBP予測に関する反射【JST・京大機械翻訳】

Schrumpf Fabian; Serdack Paul Rudi; Fuchs Mirco

プレプリント

J-GLOBAL ID：202202210085883452 整理番号：22P0330027

回帰か分類か?実用的アプリケーションの範囲における深層ニューラルネットワークを用いたPPGデータからのBP予測に関する反射【JST・京大機械翻訳】

Regression or Classification? Reflection on BP prediction from PPG data using Deep Neural Networks in the scope of practical applications

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年04月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

写真撮影(PPG)シグナルは,心拍数分析または血液酸素レベルモニタリングを超える診断能を提供する。最近の過去に,研究は,血圧(BP)推定への非侵襲的PPGベースのアプローチに広範囲に集中した。これらの手法は回帰と分類法に細分できる。後者は,PPGシグナルを臨床関連範囲を表す事前定義BP間隔に割り当てる。前者は連続変数として収縮期(SBP)と拡張期(DBP)BPを予測し,研究コミュニティに特に興味深い。しかし,BP回帰方法の報告された精度は,PPGベースのBP回帰altogetherの実現可能性を疑問視しているいくつかの著者による刊行物の間で広く異なる。本研究では,BP回帰と分類アプローチを比較した。BP分類は,多くの臨床的に関連するシナリオにおける回帰と等価である診断的価値を提供し,一方,性能に関して類似または優れていると主張する。被験者特異的データを用いた個人化の有無によるSBP回帰と分類のための公的に利用可能なPPGデータを用いて,いくつかの確立された神経アーキテクチャを比較した。分類と回帰モデルは,個人化の前に類似した。しかし,個人化の後,分類ベースの方法の精度は,回帰アプローチを上回った。BP分類は,BP範囲のより粗いセグメンテーションが十分である特定のシナリオにおいて,BP回帰よりも好ましいと結論した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

生体計測

, , , , ,

前のページに戻る