《基于智能手机采集的PPG信号预测血管老化》阅读笔记

目录

一、论文摘要

二、论文十问

Q1: Q1论文试图解决什么问题？

Q2: 这是否是一个新的问题？

Q3: 这篇文章要验证一个什么科学假设？

Q4: 有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？

Q5: 论文中提到的解决方案之关键是什么？

Q6: 论文中的实验是如何设计的？

Q7: 用于定量评估的数据集是什么？代码有没有开源？

Q8: 论文中的实验及结果有没有很好地支持需要验证的科学假设？

Q9: 这篇论文到底有什么贡献？

Q10: 下一步呢？有什么工作可以继续深入？

三、论文亮点与不足之处

四、与其他研究的比较

五、实际应用与影响

六、个人思考与启示

参考文献

---

一、论文摘要

通过智能手机测量的光电容积描记法（PPG）具有大规模、非侵入式和易于使用的筛查工具潜力。血管老化与动脉硬化增加有关，可以通过PPG测量。我们研究了使用PPG预测健康血管老化（HVA）的可行性，基于两种方法：机器学习（ML）和深度学习（DL）。我们对原始PPG信号进行了数据预处理，包括去趋势、解调和去噪。对于ML，将岭回归惩罚应用于从PPG中提取的38个特征；而对于DL，将多个卷积神经网络（CNN）应用于整个PPG信号作为输入。使用群体来源的Heart for Heart数据进行了分析。ML使用两个特征（AUC为94.7%）- 二阶导数PPG的a波和tpr，包括四个协变量：性别、身高、体重和吸烟- 预测性能与表现最佳的CNN，12层ResNet（AUC为95.3%）类似。在没有DL的重计算成本的情况下，ML可能在寻找潜在的HVA预测生物标志物方面具有优势。整个过程的工作流程描述清晰，已提供开放软件以便复制结果。

图1 使用机器学习和深度学习方法预测健康血管老化（HVA