BP-DeepONet:一种用于无袖血压估计的物理启发 DeepONet 的新方法
原文中文,约400字,阅读约需1分钟。发表于: 。该研究提出了基于物理信息的 DeepONet 方法的新框架来预测动脉血压波形,解决了连续无创测量动脉血压波形的问题,同时采用时间周期条件和 Windkessel 边界条件满足 Navier-Stokes 方程,通过引入元学习的概念来准确估计参数。
本文介绍了两种合成无袖式人体血压波形的深度学习模型,一种基于transformer,另一种基于频域学习。第二种模型的平均绝对误差分别为11.87和8.01,优于第一种模型。该模型满足了AAMI准则和BHS准则。