Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation
Created by
Haebom
Category
Empty
저자
Balint Toth, Dominik Senti, Thorir Mar Ingolfsson, Jeffrey Zweidler, Alexandre Elsig, Luca Benini, Yawei Li
개요
본 논문은 혈압(BP) 추정을 위한 일반화된 생체 신호 기반 기초 모델을 연구합니다. 풍부한 뇌전도(EEG) 데이터로 사전 훈련된 모델 표현을 심전도(ECG)/광용적맥파(PPG) 데이터에 전이 학습하여 혈압 추정 정확도를 향상시키는 방법을 조사합니다. MIMIC-III 및 VitalDB 데이터셋을 사용한 평가 결과, 제안된 방법은 이완기 혈압(평균 절대 오차 1.57 mmHg)에 대해 최첨단 성능에 근접하고, 수축기 혈압(평균 절대 오차 2.72 mmHg)에 대해서는 기존 연구보다 1.5배 높은 정확도를 달성했습니다. 또한, 동적 INT8 양자화를 통해 모델 크기를 3.5배 이상 감소시키면서(13.73MB에서 3.83MB로) 성능을 유지하여, 자원 제약이 있는 웨어러블 기기에서의 실시간 혈압 모니터링을 가능하게 합니다.
시사점, 한계점
•
시사점:
◦
EEG 기반 기초 모델의 전이 학습을 통해 ECG/PPG 데이터를 이용한 혈압 추정 정확도를 향상시킬 수 있음을 보여줌.
◦
수축기 및 이완기 혈압 추정에 대해 높은 정확도 달성.
◦
동적 INT8 양자화를 통해 모델 크기를 줄이고, 웨어러블 기기에서의 실시간 모니터링 가능성 제시.
•
한계점:
◦
본 연구는 EEG 기반 기초 모델의 전이 학습에 초점을 맞추었으며, 다른 유형의 생체 신호 데이터에 대한 일반화 가능성은 추가 연구가 필요함.
◦
사용된 데이터셋의 특성에 따라 성능이 달라질 수 있음. 다양한 데이터셋에 대한 추가적인 검증이 필요함.
