PubMed

多中心評估機器學習持續脈搏率算法在手環裝置上的應用

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

雖然佩戴在手腕上的光滲透攝影術（PPG）感測器在長期和持續心臟節律監測中扮演著重要角色，但與其他身體部位相比，手腕處測量的信號受到更強烈的運動干擾。基於機器學習（ML）的算法可以改善長期脈搏率（PR）追蹤，但當用於臨床應用時，則與更嚴格的監管要求相關。本研究旨在評估一種數位健康技術的準確性，該技術使用手腕佩戴的PPG感測器進行長期心臟節律監測。

官方來源

在 PubMed 上查看 →

資料來自 PubMed / NCBI。全文與最新資訊請一律參閱官方紀錄。