ballistocardiography
PulseAugur coverage of ballistocardiography — every cluster mentioning ballistocardiography across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
光谱特征主导 BCG 信号中的睡眠呼吸暂停检测
研究人员发现，使用心电图（BCG）信号检测睡眠呼吸暂停患者的呼吸事件时，光谱特征（尤其是在呼吸频率带（0.1-0.4 Hz）内的特征）最为有效。对十个 BCG 特征组进行的大规模、独立于患者的比较显示，频域特征占了区分信息的重要部分。随机森林和直方图梯度提升等机器学习模型使用这些特征取得了高性能（AUC-ROC 为 0.967-0.969），这表明未来基于 BCG 的睡眠呼吸暂停监测系统可以采取更集中的方法。
-
新的深度学习模型利用身体震动进行无接触血压监测
研究人员开发了一个名为 Phy-BP 的新颖深度学习框架，用于通过三轴身体震动图（BSG）进行无接触血压监测。该系统通过引入自适应质量控制算法来选择相关的 BSG 段，并将三维波传播的物理模型嵌入深度学习架构中，从而扩展了传统的心音图（BCG）。这种物理约束方法在训练期间对齐多轴特征，增强了对现实世界失真的鲁棒性，并提高了即使在训练数据有限情况下的性能。在大量医院数据集上的实验表明，Phy-BP 能够过滤低质量测量并提供准确的血压监测。
-
基础模型通过环境床传感器分析心脏健康
研究人员开发了BCG-FM，这是一种用于通过环境机械生物信号分析心脏健康的新型基础模型。该模型利用嵌入在床表面的压电传感器，在夜间记录心动图（BCG）数据，无需用户进行任何操作。BCG-FM在近14.6万人的275万小时录音数据上进行了预训练，在生物年龄估算方面达到了3.26年的平均绝对误差，并在多种健康状况下展现了临床相关的区分能力。