Predictive Remote Photoplethysmography Algoritm för bedömning och övervakning av blodtryckstryck

Detta är en prospektiv genomförbarhetsstudie. Bakgrundslitteratur har visat att pletysmografi (PPG)-signaler kan användas för att uppskatta blodtrycket genom att skapa och träna en prediktiv modell. Genom att undersöka och extrahera nyckelegenskaper hos en kontinuerlig PPG-vågform genom att träna ett artificiellt neuralt nätverk, kan korrelationer mellan dessa egenskaper och blodtryck studeras.

Nervotec, ett företag inom digital hälsa och AI, har framgångsrikt använt rPPG-teknik för att möjliggöra insamling av rPPG-vågformer, vilket möjliggör mätning av hjärtfrekvens (HR), hjärtfrekvensvariabilitet (HRV), andningsfrekvens (RR) och blodsyremättnad ( SpO2) nivå genom signalbehandlingstekniker. De har införlivat rPPG-teknik i en mobilapplikation som använder smartphonekameror för att skanna en individs ansikte. Detta är dock ännu inte fastställt för blodtrycket. Vi strävar efter att utföra en prospektiv studie för att utvärdera genomförbarheten och noggrannheten för att få blodtrycksmätningar genom rPPG.

Hypotes: Fjärrfotopletysmografi kan användas för att bestämma blodtrycket och denna algoritm kan utvecklas till en anpassad smartphonebaserad applikation.