PubMed

基于手腕设备的机器学习连续脉搏率算法的多中心评估

PMID：39670276 · 2024-12-12

W, e, i, x, u, a, n, , C, h, e, n, ;, , R, a, f, a, e, l, , C, o, r, d, e, r, o, ;, , J, e, s, s, i, e, , L, e, v, e, r, , T, a, y, l, o, r, ;, , D, o, m, e, n, i, c, o, , R, , P, a, n, g, a, l, l, o, ;, , R, o, s, a, l, i, n, d, , W, , P, i, c, a, r, d, ;, , M, a, r, i, s, a, , C, r, u, z, ;, , G, i, u, l, i, a, , R, e, g, a, l, i, a

期刊Digital biomarkers

年份2024-12-12

PMID39670276

摘要

尽管腕部光电容积脉搏波描记仪（PPG）传感器在长期和连续的心率监测中发挥着重要作用，但与身体其他部位相比，腕部测量的信号更容易受到更强烈的运动伪影的干扰。基于机器学习（ML）的算法可以提高长期心率（PR）跟踪的准确性，但若用于临床应用，则与更严格的监管要求相关。本研究旨在评估一种数字健康技术的准确性，该技术旨在通过腕部PPG传感器进行长期心率监测。

官方来源

在 PubMed 上查看 →

数据来自 PubMed / NCBI。有关全文和最新信息，请始终参阅官方记录。