A benchmark for machine-learning based non-invasive blood pressure estimation using photoplethysmogram.
A benchmark for machine-learning based non-invasive blood pressure estimation using photoplethysmogram.
复制标题
DOI：
10.1038/s41597-023-02020-6
复制
发表时间：
2023-03-21
期刊：
影响因子：
9.8
通讯作者：
Chen, Trista Pei-Chun
中科院分区：
文献类型：
--
作者：
Gonzalez, Sergio;Hsieh, Wan-Ting;Chen, Trista Pei-Chun
血压（BP）是一项重要的心血管健康指标。BP通常是用基于袖带的设备非侵入性地监测的，这可能是笨重和不方便的。因此，期望连续且便携式的BP监测设备，诸如基于光电体积描记（PPG）波形的BP监测设备。特别地，基于机器学习（ML）的BP估计方法已经获得了相当大的关注，因为它们具有仅利用单个PPG测量来估计间歇性或连续BP的潜力。在过去的几年中，许多ML为基础的BP估计方法已被提出，没有协议的建模方法。为了简化模型比较，我们设计了一个基准测试，其中包含四个开放的数据集，这些数据集具有共享的预处理，正确的验证策略避免了信息转移和泄漏，以及标准的评估指标。我们还调整了平均绝对标度误差（MASE），以提高模型评估的可解释性，特别是在不同的BP数据集之间。该基准测试包含开放的数据集和代码。我们展示了它的有效性，通过比较11 ML为基础的方法的三个不同的类别。
Blood Pressure (BP) is an important cardiovascular health indicator. BP is usually monitored non-invasively with a cuff-based device, which can be bulky and inconvenient. Thus, continuous and portable BP monitoring devices, such as those based on a photoplethysmography (PPG) waveform, are desirable. In particular, Machine Learning (ML) based BP estimation approaches have gained considerable attention as they have the potential to estimate intermittent or continuous BP with only a single PPG measurement. Over the last few years, many ML-based BP estimation approaches have been proposed with no agreement on their modeling methodology. To ease the model comparison, we designed a benchmark with four open datasets with shared preprocessing, the right validation strategy avoiding information shift and leak, and standard evaluation metrics. We also adapted Mean Absolute Scaled Error (MASE) to improve the interpretability of model evaluation, especially across different BP datasets. The proposed benchmark comes with open datasets and codes. We showcase its effectiveness by comparing 11 ML-based approaches of three different categories.
登录
查看更多内容
影响因子：
18.6
作者：
Gonzalez, Sergio;Garcia, Salvador;Herrera, Francisco
通讯作者：
Herrera, Francisco
DOI：
10.3390/s21051867
发表时间：
2021-03-07
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Athaya T;Choi S
通讯作者：
Choi S
影响因子：
7.5
作者：
Geurts, P;Ernst, D;Wehenkel, L
通讯作者：
Wehenkel, L
DOI：
10.3390/bioengineering3040021
发表时间：
2016-09-22
期刊：
Bioengineering (Basel, Switzerland)
影响因子：
--
作者：
Elgendi M
通讯作者：
Elgendi M
DOI：
10.3390/bioengineering9110692
发表时间：
2022-11-15
期刊：
Bioengineering (Basel, Switzerland)
影响因子：
--
作者：
通讯作者：
--