Uncertainty-Aware PPG-2-ECG for Enhanced Cardiovascular Diagnosis using Diffusion Models

通过心电图（ECG）分析心血管系统状况是一种常见且高效的方法，已经在许多年内得到实践和完善。ECG传感是非侵入性的，相对容易获取，但对于可能持续数小时甚至数天的Holter监测测试仍然很麻烦。在这种情况下，可能的替代方法是光电容积描记法（PPG）：一种基于光学的信号，用于测量血容量波动，通常由传统的“可穿戴设备”感测到。虽然PPG在获取、便利性和成本效益方面具有明显的优势，但ECG提供了更全面的信息，允许更精确地检测心脏状况。这意味着从PPG到ECG的转换，正如最近在文献中讨论的那样，固有地涉及不可避免的不确定性水平。在本文中，我们介绍了一种新的方法来处理PPG-2-ECG转换，并提供了使用给定PPG进行心血管状况的增强分类，同时考虑到转换过程中产生的不确定性。我们提供了我们提出的计算方法的数学证明，并展示了实证研究，证明了其相对于最先进的基线方法的卓越性能。

本论文旨在解决通过PPG信号转化为ECG信号时所产生的不确定性问题，并提供一种新的方法来提高心血管疾病分类的准确性。

论文提出了一种新的计算方法来解决PPG-2-ECG转化中的不确定性，并通过该方法提高了心血管疾病分类的准确性。

论文进行了实验并比较了该方法与现有基准方法的表现，证明了该方法的优越性。同时，论文还提供了数学上的理论支持，并探讨了该方法的应用前景。

最近的相关研究包括《Photoplethysmography-based heart rate monitoring in physical activities via joint sparse spectrum reconstruction》和《A review on recent advances in the diagnosis of coronary artery disease using electrocardiogram and photoplethysmogram signals》等。