两篇新研究论文探讨了使用可穿戴传感器估算血压的方法，重点关注光电容积脉搏波图（PPG）和心电图（ECG）信号。第一篇论文提出了一种轻量级的混合学习框架，结合了单次搏动PPG嵌入和生理特征来进行无袖带血压估算，收缩压的平均绝对误差为4.02 mmHg，舒张压为1.79 mmHg。第二项研究分析了MIMIC-III数据库，发现PPG信号与血压的生理相关性比ECG信号更强，表明直接的PPG到血压预测管道对于可穿戴设备更有效，达到了英国高血压学会A级性能。 AI
影响 这些研究可能促成更准确、更易于获取的无袖带血压监测设备，从而改善心血管疾病的管理。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了使用生理信号估算血压的新方法。
- British Hypertension Society guidelines for hypertension management 2004 (BHS-IV): summary
- deep learning
- electrocardiography
- Kateryna Shapovalenko
- MIMIC-III
- photoplethysmogram
- arXiv
- cs.LG
- LightGBM
- PulseDB
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
