Kalp ve damar hastalıkları en ölümcül sağlık sorunlarından biridir. Hipertansiyon, kardiyovasküler hastalıkların en yaygın nedenidir. Tansiyon düzeyini kontrol altında tutmak, hipertansiyonun ölümcül sonuçlarından kurtulmanın tek yoludur. Bu nedenle, hipertansiyonu olan hastalar için kan basıncının (KB) düzenli olarak izlenmesi, tehlikeli durumların tespitini mümkün kılar. Bilgisayar ve sensör teknolojilerindeki hızlı gelişmeler ile fotopletismogram (PPG) sinyalleri kullanılarak kan basıncının sürekli olarak izlenmesi mümkün hale gelmektedir. Bu çalışmada, tek kanallı PPG sinyali kullanan invazif olmayan bir KB tahmin yöntemi sunuyoruz. PPG sinyallerinin Zaman-Frekans (ZF) görüntülerini elde etmek için Eş Zamanlı Sıkıştırma Dönüşümünü kullandık. ZF görüntüleri, önceden eğitilmiş bir derin sinir ağını beslemek için kullanıldı. KB seviyelerini 5 saniyelik aralıklarla tahmin ettik. Yöntemimiz, sistolik ve diyastolik kan basıncı (SKB ve DKB) seviyelerini sırasıyla 0,2148 mmHg ve -0,0370 mmHg ortalama hata (ME) ile tahmin eder. Yöntemimizin ME değerleri uygulanabilir seviyelerdedir. Yöntemimizin standart sapması (SS) DKB için 5.0642 mmHg, SKB için 10.9904 mmHg değerindedir. AAMI tarafından belirlenmiş olan üst limit 8 mmHg değerindedir. Ayrıca yöntemimiz BHS standardına göre A ve B sınıfları ile uyumludur.
Fotopletismografi Arteriyel kan basıncı Konvolüsyonel sinir ağı Zaman-Frekans analizi Senkron sıkıştırma dönüşümü.
FBA-2022-36694
Cardiovascular diseases are one of the deadliest health problems. Hypertension is the most common reason for cardiovascular diseases. Keeping the blood pressure (BP) level under control is the only way to protect against the deadly results of hypertension. Therefore, monitoring BP regularly makes it possible to detect dangerous conditions in patients with hypertension. With the rapid developments in computers and sensor technologies, it is becoming possible to monitor BP levels continuously by using photoplethysmogram (PPG) signals. This work presents a non-invasive BP prediction method using one channel PPG signal. We employed the Synchrosqueezing Transform to obtain Time-Frequency (TF) images of the PPG signals. The TF images were used to feed a pre-trained deep neural network. We estimated the BP levels inside the 5-second intervals. Our method estimates BP levels with a mean error (ME) of 0.2148 mmHg and -0.0370 mmHg in the systolic and diastolic blood pressure (SBP and DBP) respectively. The ME values of our method are in the applicable levels. The standard deviation (SD) of our method is 5.0642 mmHg for DBP and 10.9904 mmHg for SBP. The upper limit specified by the AAMI is 8 mmHg. Also, our method is coherent with grades A and B according to the BHS standard.
Photoplethysmography Arterial blood pressure Convolutional neural network Time-Frequency analysis Synchrosqueezing transform.
Scientific Research Projects Coordination Unit of Istanbul University - Cerrahpasa
FBA-2022-36694
This work was supported by Scientific Research Projects Coordination Unit of Istanbul University - Cerrahpasa with project number FBA-2022-36694.
Primary Language | English |
---|---|
Subjects | Image Processing, Pattern Recognition, Deep Learning |
Journal Section | Electrical and Electronics Engineering |
Authors | |
Project Number | FBA-2022-36694 |
Publication Date | March 3, 2024 |
Submission Date | October 16, 2023 |
Acceptance Date | November 7, 2023 |
Published in Issue | Year 2024Volume: 27 Issue: 1 |