Vital Mark PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列推薦必買和特價產品懶人包

基於臉部影像免校準之血壓估測系統

為了解決Vital Mark PTT的問題，作者蔡秉叡 這樣論述：

高血壓是一個跟許多慢性病息息相關的心血管疾病，每年許多人都因相關疾病而過世。在世界衛生組織(WHO)2021所提供的報告中，心血管相關的非傳染性疾病每年有1790萬人離世。根據台灣在民國109年的報告，高血壓在台灣的盛行率有高達24.5\%，甚至若將高血壓前期的人也納入計算，盛行率甚至會提高到48.3\% 。因此，及早檢測到高血壓的症狀並且及時進行治療對於保護人們的健康安全是十分重要的。目前常見的血壓量計有水銀式的血壓計與電子脈壓式的血壓計，前者需要經過專業訓練的護理師才能夠準確地取得壓力的數值，後者相對來說是廣放被大眾所家用，因為可以做到自動化量測。但是兩者皆須將袖帶綁到手上，並對其進行加

壓，這都會使患者產生不便與不適。遠距離光體積變化描記圖法(remote-photoplethysmography, rPPG)是一種不需要接觸到皮膚，僅需要透過攝影機照射人臉即可攝取如呼吸速率(Respiration Rate, RR)與心跳速率( Heart Rate, HR)等重要的生理資訊。其遠距離的量測及低成本的特性，提升了使用者的方便性以及應用上的普及。因此近期開始有論文基於脈波傳遞時間法(Pulse Transit Time, PTT)基於rPPG進行血壓的預估。然而在本論文的實驗中，PTT與血壓數值的關係會受到每個人生理狀態不同而有很大的差異。因此我們基於PTT的原理，利用Res

Net作為Backbone，利用PTT特徵與rPPG訊號進行血壓的預估。同時在訓練流程上，提出使用不同前處理的資料進行交錯的訓練，並且在網路中增加輔助輸出，在計算loss的時候加入輔助輸出的Cosine similarity，藉由這個訓練流程以及loss修改，提出的網路在準確度上可以有更穩定的輸出，準確度平均可以提升0.6 mmHg。本論文大多數的準確度以平均絕對誤差（MAE）作為標準，並且將最終結果跟其餘4種演算法進行比較。最終本論文整體收縮壓可以達到11.71 mmHg的準確度，舒張壓則達到7.95 mmHg；相對於比較論文都有1 mmHg更好的表現。

以影像-光體積描記訊號評估血壓脈衝傳遞時間

為了解決Vital Mark PTT的問題，作者吳宇倫 這樣論述：

血壓量測技術發展已久，從最早期的侵入式量測隨著居家醫療的倡導而普及到民眾的日常生活；現今工商社會眾人皆忙碌，因此未來血壓量測技術的發展必須滿足即時性、便利性與舒適度。現今常見的血壓量測技術大多使用氣囊或袖帶(Cuff)對量測部位進行非侵入式加壓(例如已經普及的電子血壓計)，然而加壓部位若有傷口則可能會為病患帶來不適，且充氣與放氣過程無法滿足即時性。為滿足上述量測條件，本研究提出以受試者臉部與手部影像-光體積描記訊號(Imaging-Photoplethysmography, IPPG)之間的脈衝傳遞時間(Pulse Transit Time, PTT)帶入血壓回歸模型，期望以無傷口、非接觸式

的光學方法來評估血壓。本研究設計以工業相機配合綠光濾波片(中心波長為525nm)和變焦鏡頭，結合LabVIEW使用者介面組成IPPG影像擷取裝置，並以商用儀器(BioRadio)獲得PPG參考訊號，再以電子血壓計量取參考血壓。進行IPPG影像擷取前，透過對影像進行網格切割與頻譜積分強度計算，確定感興趣區域(Region of Interest, ROI)分別位於臉部的鼻子與雙臉頰還有手掌心部位，再藉由Dlib五官辨識套件配合OpenCV套件繪製出ROI，最後藉由移動平均濾波器與帶通濾波器等影像處理方法獲得IPPG訊號。本研究首先對IPPG訊號進行心率分析，由於其波形並非都典型存在收縮峰特徵，因

此以一階微分後的波形抓取最大斜率點之間的時間差，再換算成心率值；結果顯示，與商用儀器測得的心率相比，絕大多數資料分佈在布蘭特-奧特曼圖的一致性界限內，說明本研究團隊開發的IPPG擷取裝置與商用儀器之間有一致性。在PTT的擷取上，本研究首先以商用儀器測得的PPG參考訊號，確定受試者在呈現打招呼的姿勢下，能夠穩定獲得參考PTT之後，再進行IPPG波形間脈衝傳遞時間的計算；分析結果得知，所有受試者絕大部分的參考PTT與藉由IPPG波形得到的IPTT(Image - Pulse Transit Time)，和樣本平均數之間的差異均不超過±1.96個標準差，顯示PTT與IPTT的變異與離散程度不會太嚴重

，並且大部分資料皆分佈在布蘭特-奧特曼圖的一致性界限內，顯示IPTT與PTT之間潛在一致性。最後在血壓模型評估方面，本研究探討IPTT與血壓之間的簡單線性回歸，與再多加入心率項的多元線性回歸，結果顯示大部分受試者的多元線性回歸模型，其均方根誤差(RMSE)有顯著下降且決定係數(R2)有一定程度的提升，顯示血壓預測值及實際值的擬合得到改善，並藉由F檢定及t檢定驗證了心率項在該模型的顯著程度及其對血壓的影響皆大於IPTT；因此以心率為自變數能夠提升血壓回歸模型適配度的論述，在統計學的結果與驗證上具有高支持度。