实体
VitalDB
VitalDB
PulseAugur coverage of VitalDB — every cluster mentioning VitalDB across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架评估PPG信号的血压追踪
研究人员开发了一个新的框架，用于使用光电容积脉搏波描记法（PPG）信号评估血压追踪。该研究涉及AuroraBP数据集中的653名参与者，旨在区分采集上下文和PPG对会话校准血压测量的贡献。原始模型在收缩压/舒张压测量中实现了7.697/6.139 mmHg的平均绝对误差，增加上下文后误差有所降低。探索性后续研究还调查了传感器历史集成以及在VitalDB数据集上训练的模型。
-
新方法从不规则历史数据中学习以进行因果推断
研究人员推出了一种名为Doubly Robust Functional Representation Learning (DR-FRL) 的新工作流程，旨在处理纵向因果研究中不规则的历史数据。该方法将零散的历史信息，例如以不规则间隔记录的实验室数值和传感器流，转化为用于分析的目标状态。DR-FRL采用函数式和时间编码器，以及用于估计结果、处理和审查函数的滋扰头，以确保学习到的表示支持高效的影响函数。模拟和对VitalDB数据集的审计证…
-
新理论支持通过智能手机摄像头进行无袖带血压估算
研究人员开发了一个名为“吸引子-血管耦合理论”（AVCT）的新数学框架，利用智能手机光电容积脉搏波描记法（PPG）来估算血压。该理论认为，心脏吸引子的几何形状包含准确血压读数所需的信息。一个基于AVCT派生特征训练的模型在收缩压和舒张压方面实现了非常低的平均绝对误差，达到了严格的AAMI标准，并展示了仅用智能手机摄像头即可进行临床级血压监测的潜力。