PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling

要約

フォトプレチスモグラフィー (PPG) は、光学的方法を利用して心臓の生理機能を測定する、費用対効果が高く、非侵襲的な技術です。
PPG は健康監視においてますます普及しており、さまざまな商用および臨床用のウェアラブル デバイスで使用されています。
心電図検査 (ECG) と比較すると、両者の間には強い相関があるにもかかわらず、PPG は実質的な臨床診断価値を提供しません。
ここでは、PPG 信号を対応する ECG 波形に変換する、被験者に依存しない注意ベースの深層状態空間モデル (ADSSM) を提案します。
このモデルはノイズに対して堅牢であるだけでなく、確率的な事前知識を組み込むことでデータ効率も向上します。
私たちのアプローチを評価するために、MIMIC-III データベースからの 55 人の被験者のデータが元の形式で使用され、現実世界のシナリオを模倣してノイズを加えて変更されました。
変換された ECG 信号を既存の心房細動 (AFib) 検出器に入力したときに達成された PR-AUC 0.986 によって証明されるように、私たちのアプローチは効果的であることが証明されました。
ADSSM により、心血管疾患の早期診断のための ECG の広範な知識ベースと PPG の継続的測定の統合が可能になります。

要約(オリジナル)

Photoplethysmography (PPG) is a cost-effective and non-invasive technique that utilizes optical methods to measure cardiac physiology. PPG has become increasingly popular in health monitoring and is used in various commercial and clinical wearable devices. Compared to electrocardiography (ECG), PPG does not provide substantial clinical diagnostic value, despite the strong correlation between the two. Here, we propose a subject-independent attention-based deep state-space model (ADSSM) to translate PPG signals to corresponding ECG waveforms. The model is not only robust to noise but also data-efficient by incorporating probabilistic prior knowledge. To evaluate our approach, 55 subjects’ data from the MIMIC-III database were used in their original form, and then modified with noise, mimicking real-world scenarios. Our approach was proven effective as evidenced by the PR-AUC of 0.986 achieved when inputting the translated ECG signals into an existing atrial fibrillation (AFib) detector. ADSSM enables the integration of ECG’s extensive knowledge base and PPG’s continuous measurement for early diagnosis of cardiovascular disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google