3軸体動脈振動測定による非接触血圧モニタリングのための物理制約付き深層学習モデル

生体信号（体動）から非接触で血圧を推定する新しいフレームワーク「Phy-BP」を提案。物理法則を考慮した深層学習モデルにより、従来のBCG信号の課題を克服し、より頑健な血圧モニタリングを目指します。

• 3軸体動脈振動（BSG）を用いた非接触血圧（BP）モニタリングフレームワーク「Phy-BP」を提案する。
• 心臓由来成分を豊富に含むBSGセグメントを選択する適応的品質管理アルゴリズムを開発した。
• 3D波伝播を記述する物理モデルを深層学習モデルに組み込み、3軸BSG信号間の内在的結合を特徴づける。
• これにより、モデル学習中にマルチアキシス特徴が整列され、実環境での歪みに対する頑健性が向上する。
• 162時間分のデータを用いた実験で、Phy-BPが低品質測定を除外し、忠実なBPモニタリングを提供できることが示された。