PG-LRF: Modello AI Genera ECG da Segnali PPG Indossabili
Un nuovo framework chiamato PG-LRF è stato introdotto dai ricercatori, progettato per generare segnali elettrocardiografici (ECG) a partire da dati di fotopletismografia (PPG), guidato da principi fisiologici. Mentre l'ECG è lo standard di riferimento per la valutazione cardiaca, richiede attrezzature specializzate, a differenza del PPG, che è comunemente presente nei dispositivi indossabili ma soffre di rumore e manca di caratteristiche diagnostiche chiare. I metodi attuali per convertire PPG in ECG si basano sull'allineamento statistico e non incorporano vincoli fisiologici. PG-LRF impiega un simulatore elettro-emodinamico che modella simultaneamente ECG e PPG utilizzando dinamiche di fase cardiaca condivise, diretto da un AutoEncoder Consapevole della Fisiologia. Questo approccio migliora l'accuratezza della generazione strutturando lo spazio latente attorno a fattori elettro-emodinamici informati dalla fisiologia. Lo studio è disponibile su arXiv con l'identificatore 2605.12541.
Fatti principali
- 1. PG-LRF sta per Physiology-Guided Latent Rectified Flow (Flusso Rettificato Latente Guidato dalla Fisiologia).
- 2. Genera ECG da segnali PPG.
- 3. L'ECG è lo standard clinico per la valutazione cardiaca.
- 4. Il PPG è onnipresente nei dispositivi indossabili ma manca della morfologia specifica dell'ECG.
- 5. I metodi esistenti non riescono a strutturare esplicitamente lo spazio latente attorno a fattori consapevoli della fisiologia.
- 6. PG-LRF introduce un simulatore elettro-emodinamico.
- 7. Il simulatore co-modella ECG e PPG attraverso dinamiche di fase cardiaca condivise.
- 8. L'articolo è su arXiv con ID 2605.12541.
Entità
Istituzioni
- arXiv