10:39arXiv cs.LG@Yidan Shen, Neville Mathew, Maham Rahimi, Deependra Dhakal, George Zouridakis, Xin Fu, Renjie Hu该研究提出了一种名为DMT的Transformer网络,用于从PPG信号进行无袖带血压估计。模型通过FiLM风格的特征调制,将人口统计信息(如年龄、性别)嵌入Transformer的注意力与前馈子层,实现个性化表征学习。同时,引入辅助形态学头,引导模型关注与动脉硬化和波反射相关的波形形态,避免仅依赖振幅主导的捷径。在PulseDB数据集上,校准评估协议下,收缩压MAE为4.56 mmHg,舒张压为2.62 mmHg,相比此前人口统计增强的PPG基线,误差分别降低47%和50%。该轻量单传感器模型支持可扩展的临床级无袖带血压监测。论文血压估计PPG信号Transformer人口统计条件形态增强推荐理由:这项研究解决了PPG血压估计中忽视个体血管差异和形态特征的问题,做可穿戴健康监测的团队可以直接参考其轻量模型设计,校准场景下误差大幅降低,值得关注。原文
19:11arXiv cs.AI@Timothy Oladunni, Farouk Ganiyu Adewumi70°本研究提出了吸引子-血管耦合理论(AVCT),该数学框架证明心脏吸引子几何结构包含足够用于AAMI标准血压估计的信息。通过在46名受试者(29,684个窗口)上的严格留一受试者交叉验证,基于LightGBM的模型实现了收缩压MAE为2.05 mmHg、舒张压MAE为1.67 mmHg,相关度r≥0.99,满足AAMI/IEEE SP10要求。仅使用智能手机相机提取的9个吸引子特征就匹配了ECG+PPG模型,表明仅用手机摄像头即可实现临床级血压追踪。该工作为无袖带血压监测提供了形式化的数学基础。论文健康监测血压估计PPG可穿戴设备数学理论推荐理由:AVCT为无袖带血压估计提供了严格的数学基础,并验证了仅用智能手机摄像头即可达到AAMI标准,对健康监测和可穿戴设备领域具有重要影响。这意味着更便捷、低成本的血压监测方案有望普及,但需在更大规模人群上验证。原文