Abstract: E. Ipar, L. J. Cymberknop, R. L. Armentano (2025)

Objective. Understanding cardiac hemodynamic status (CHS) is essential for accurate cardiovascular health assessment, as it is governed by key parameters such as cardiac output (CO), systemic vascular resistance (SVR), and arterial compliance (AC). This study aims to develop a non-invasive method using digital photoplethysmography (PPGD) signals and deep learning techniques to predict these biomarkers for a comprehensive CHS evaluation. Approach. A dataset of 4374 virtual subjects was used. Nonlinear features were extracted from PPGD signals to capture their inherent complexity and irregularity. A parallel convolutional neural network (PCNN) was implemented to process both raw signals and nonlinear features concurrently. Model performance was evaluated using R2, root mean squared error (RMSE), mean squared error (MSE), and mean absolute error (MAE). Main results. The PCNN demonstrated satisfactory predictive performance with R2, RMSE, MSE, and MAE values of 0.872, 0.086, 0.008, and 0.068 for CO; 0.851, 0.074, 0.006, and 0.058 for SVR; and 0.938, 0.049, 0.003, and 0.038 for AC. The proposed PCNN-based method offers a novel, non-invasive approach for predicting key cardiovascular biomarkers, providing an accurate CHS assessment. Significance. This method advances non-invasive cardiovascular diagnostics by combining PPGD signals and deep learning. Future work will focus on validating this findings in real-world settings for improved clinical applicability.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis