Exploring the Reconstruction of Electrocardiograms from Photoplethysmograms via Deep Learning

光容积图 人工智能 心电图 计算机科学 深度学习 相关性(法律) 相关性 模式识别(心理学) 医学 心脏病学 计算机视觉 数学 几何学 政治学 滤波器(信号处理) 法学
作者
David. A. Cerda-Dávila,Bersaín A. Reyes
标识
DOI:10.1109/ieeeconf60929.2023.10525412
摘要

The aim of this study is to explore the reconstruction of electrocardiogram (ECG) signals from photoplethysmography (PPG) signals, using data from healthy and diseased volunteers. To this aim, we review a novel method based in deep learning to reconstruct ECG signals and test it on two public databases: MIMIC-III and BIDMC. In the MIMICIII database, the system's behavior was analyzed in response to different frequency contents of the ECG (0.5 to 20 Hz, 0.5 to 40 Hz and 0.5 to 60 Hz), as well as variations in window width (1 s, 2 s, 3 s and 4 s). Furthermore, comparative tests were conducted between healthy and diseased volunteers. In the second database, the validation of the method was verified. The average correlation values obtained in MIMIC-III and BIDMC were higher than 0.80, confirming the previous results reported in the literature. In the final analysis, the system behavior using data from patients with pre-existing conditions exhibited inferior performance compared to those who were in good health. Clinical Relevance — It is feasible to reconstruct ECG signals from PPG signals under controlled clinical conditions. However, it is still necessary to continue exploring reconstruction methods as the one employed here exhibited lower performance in patients with preexisting heart diseases than in healthy subjects.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
黎小静发布了新的文献求助10
1秒前
1秒前
小蘑菇应助风趣的惜天采纳,获得10
2秒前
shmily完成签到,获得积分10
2秒前
magic完成签到 ,获得积分10
3秒前
JamesPei应助LI采纳,获得10
4秒前
QDF发布了新的文献求助10
6秒前
6秒前
hhhaaa发布了新的文献求助10
7秒前
文静寄琴发布了新的文献求助10
8秒前
尼可刹米洛贝林完成签到,获得积分10
9秒前
9秒前
YANGLan发布了新的文献求助10
10秒前
10秒前
发发完成签到,获得积分10
11秒前
yyw发布了新的文献求助10
11秒前
江汛发布了新的文献求助10
12秒前
12秒前
陈龙完成签到,获得积分10
15秒前
科研通AI2S应助科研通管家采纳,获得10
15秒前
小蘑菇应助科研通管家采纳,获得10
16秒前
小蘑菇应助科研通管家采纳,获得10
16秒前
ding应助科研通管家采纳,获得10
16秒前
16秒前
论文通通发布了新的文献求助10
16秒前
科研通AI2S应助科研通管家采纳,获得10
16秒前
科研通AI2S应助科研通管家采纳,获得10
16秒前
丘比特应助科研通管家采纳,获得30
16秒前
Jasper应助科研通管家采纳,获得10
16秒前
小蘑菇应助科研通管家采纳,获得10
16秒前
大模型应助科研通管家采纳,获得10
16秒前
yunnguw发布了新的文献求助10
16秒前
16秒前
英姑应助panjy采纳,获得30
16秒前
LI完成签到,获得积分20
16秒前
英姑应助QDF采纳,获得10
17秒前
猩猩发布了新的文献求助10
17秒前
17秒前
帅葡萄发布了新的文献求助10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150003
求助须知:如何正确求助?哪些是违规求助? 2801002
关于积分的说明 7843063
捐赠科研通 2458575
什么是DOI,文献DOI怎么找? 1308544
科研通“疑难数据库(出版商)”最低求助积分说明 628553
版权声明 601721