Progressi del Deep Learning nell'Analisi dei Segnali di Fotopletismografia
Una revisione sistematica pubblicata su arXiv (2401.12783v3) esamina i metodi di deep learning applicati ai dati di fotopletismografia (PPG). La PPG è una tecnica di rilevamento ottico non invasiva utilizzata per acquisire informazioni emodinamiche nel monitoraggio clinico e nei dispositivi indossabili. La revisione copre studi dal 1° gennaio 2017 al 31 dicembre 2025, provenienti da Google Scholar, PubMed e Dimensions. Analizza 460 articoli da tre prospettive: compiti, modelli e dati. Le applicazioni spaziano dal monitoraggio fisiologico tradizionale, come la valutazione cardiovascolare, a usi emergenti in ambiti non sanitari.
Fatti principali
- arXiv:2401.12783v3 è una revisione sistematica del deep learning per dati PPG.
- La PPG è una tecnica di rilevamento ottico non invasiva per informazioni emodinamiche.
- La ricerca bibliografica ha coperto dal 1° gennaio 2017 al 31 dicembre 2025.
- Fonti utilizzate: Google Scholar, PubMed e Dimensions.
- Sono stati inclusi 460 articoli che applicano il deep learning alla PPG.
- L'analisi si è concentrata su compiti, modelli e dati.
- Le applicazioni includono la valutazione cardiovascolare e usi emergenti non sanitari.
- Il deep learning ha fatto progredire l'analisi dei segnali PPG e ampliato le sue applicazioni.
Entità
Istituzioni
- arXiv
- Google Scholar
- PubMed
- Dimensions