يك روش شخصي سازي شده براي تخمين فشار خون بدون كاف از يك سنسور PPG مبتني بر يادگيري انتقالي عميق

فشارخون بالا مهم‌ترين عامل مرگ‌ومير در جهان است. اندازه‌گيري پيوسته فشارخون در سالمندان و افراد با سابقه سكته قلبي، بيماري قلبي و عروقي و فشارخون بارداري بسيار ضروري است. در اين پژوهش يك چارچوب يادگيري عميق انتقالي براي تخمين فشارخون سيستوليك و دياستوليك برمبناي يك سيگنال فوتوپلتيسموگرام ارائه‌شده است. چارچوب پيشنهادي شامل سه بخش اصلي است: 1) كاهش نرخ نمونه‌برداري با ضريب 4 با هدف كاهش پيچيدگي مدل، 2)طراحي يك مدل پيش آموزش شامل لايه‌هاي CNN و Bi-LSTM و 3) ايجاد مدل شخصي‌سازي شده براي هر فرد با استفاده از يادگيري انتقالي. آناليز بلند آلتمن و هم‌بستگي براي مقايسه روش پيشنهادي با روش كاتتر شرياني (روش استاندارد طلايي براي اندازه‌گيري فشار خون) انجام شد. مدل پيشنهادي بر روي محدوده‌ي وسيعي از مقادير فشارخون 100 بيمار از پايگاه داده MIMIC-III ارزيابي شد. نتايج نشان مي‌دهد خطا و ضريب هم‌بستگي پيرسون براي فشارخون فشارخون سيستوليك به‌ترتيب برابر با 0/14±7/38(انحراف معيار ± ميانگين) ميلي‌متر جيوه و 0/95براي فشارخون دياستوليك برابر با 0/00±4/67ميلي‌متر جيوه و 0/92است. روش پيشنهادي الزامات استاندارد AAMIو درجه A استاندارد BHS را برآورده مي كند. اين پژوهش مي تواند چشم انداز روشني را براي مانيتورينگ بلند مدت فشارخون و پيشگري از رويداد هاي قلبي عروقي ترسيم نمايد.