目录
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?
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?
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。
![](https://img-blog.csdnimg.cn/a043288d94b8401ab31bbb78410ae7c5.webp)