TWI834562B - 心電圖訊號的非接觸式的偵測裝置和偵測方法 - Google Patents
心電圖訊號的非接觸式的偵測裝置和偵測方法 Download PDFInfo
- Publication number
- TWI834562B TWI834562B TW112119699A TW112119699A TWI834562B TW I834562 B TWI834562 B TW I834562B TW 112119699 A TW112119699 A TW 112119699A TW 112119699 A TW112119699 A TW 112119699A TW I834562 B TWI834562 B TW I834562B
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- electrocardiogram
- transceiver
- detection device
- wireless
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
提供一種心電圖訊號的非接觸式的偵測裝置和偵測方法。偵測方法包含:發射第一無線訊號,並且接收對應於第一無線訊號的第一反射訊號;前處理第一反射訊號以產生第一處理訊號;自第一處理訊號擷取第一嵌入;根據第一嵌入產生估計心電圖訊號;以及輸出估計心電圖訊號。
Description
本發明是有關於一種心電圖(Electrocardiogram,ECG)訊號的偵測技術,且特別是有關於一種心電圖訊號的非接觸式的偵測裝置和偵測方法。
ECG訊號可用於記錄心臟的電生理活動。醫師可根據ECG訊號來為受測者進行診斷。目前臨床所使用的接觸式的ECG訊號測量方法需仰賴電極貼片。在測量ECG訊號時,醫護人員需將數個電極貼片黏貼在受測者身上的特定部位。電極貼片的黏貼過程十分繁瑣,且容易增加醫護人員的工作量或造成受測者不適,甚至增加醫護人員感染疾病的風險。因此,如何提高測量ECG訊號時受測者的舒適度並增加測量ECG訊號的效率,是本領域的重要課題之一。
本發明提供一種心電圖訊號的非接觸式的偵測裝置和偵測方法,可通過無線訊號測量受測者的心電圖訊號。
本發明的一種心電圖訊號的非接觸式的偵測裝置,包含第一收發器、儲存媒體以及處理器。儲存媒體儲存多個模組。處理器耦接儲存媒體以及第一收發器,並且存取和執行多個模組,其中多個模組包含通訊模組、前處理模組、無線訊號編碼器、解碼器以及運算模組。通訊模組通過第一收發器發射第一無線訊號,並且接收對應於第一無線訊號的第一反射訊號。前處理模組前處理第一反射訊號以產生第一處理訊號。無線訊號編碼器自第一反射訊號和第一處理訊號擷取第一嵌入。解碼器根據第一嵌入產生估計心電圖訊號。運算模組輸出估計心電圖訊號。
在本發明的一實施例中,上述的偵測裝置更包含第二收發器。第二收發器耦接處理器,其中第二收發器偵測第一心電圖訊號,其中多個模組更包含心電圖訊號編碼器。心電圖訊號編碼器自第一心電圖訊號擷取第二嵌入。通訊模組通過第一收發器發射第二無線訊號,並且接收對應於第二無線訊號的第二反射訊號。前處理模組前處理第二反射訊號以產生第二處理訊號。運算模組基於第一機器學習演算法而根據第二反射訊號和第二處理訊號訓練無線訊號編碼器,其中第一機器學習演算法的第一損失函數關聯於第二嵌入。
在本發明的一實施例中,上述的通訊模組通過第一收發器發射第三無線訊號,並且接收對應於第三無線訊號的第三反射訊號。通訊模組通過第二收發器偵測第二心電圖訊號。運算模組基於第二機器學習演算法而根據第三反射訊號訓練前處理模組,其中第二機器學習演算法的第二損失函數關聯於第二心電圖訊號。
在本發明的一實施例中,上述的運算模組偵測波形出現在第二心電圖訊號中的時間,其中用於訓練前處理模組的標籤資料包含時間。
在本發明的一實施例中,上述的波形包含P波、Q波、R波、S波以及T波的至少其中之一。
在本發明的一實施例中,上述的偵測裝置更包含第二收發器。第二收發器耦接處理器,其中第二收發器偵測第三心電圖訊號,其中多個模組更包含心電圖訊號編碼器。心電圖訊號編碼器自第三心電圖訊號擷取第三嵌入。運算模組基於第三機器學習演算法而根據第三心電圖訊號和第三嵌入訓練或更新心電圖訊號編碼器和解碼器,其中第三機器學習演算法的第三損失函數關聯於第三心電圖訊號。
在本發明的一實施例中,上述的第三損失函數關聯於第三心電圖訊號的頻譜。
在本發明的一實施例中,上述的前處理模組、無線訊號編碼器、解碼器以及心電圖訊號編碼器中的至少其中之一為變換器模型。
在本發明的一實施例中,上述的第一無線訊號包含由毫米波攜帶的調頻連續波訊號。
本發明的一種心電圖訊號的非接觸式的偵測方法,包含:發射第一無線訊號,並且接收對應於第一無線訊號的第一反射訊號;前處理第一反射訊號以產生第一處理訊號;自第一反射訊號和第一處理訊號擷取第一嵌入;根據第一嵌入產生估計心電圖訊號;以及輸出估計心電圖訊號。
基於上述,本發明的偵測裝置可通過非接觸式的方式取得受測者的心電圖訊號。本發明可改善臨床醫療品質,提高受測者的舒適度,並且降低醫護人員的工作量或疾病感染風險。
為了使本發明之內容可以被更容易明瞭,以下特舉實施例作為本發明確實能夠據以實施的範例。另外,凡可能之處,在圖式及實施方式中使用相同標號的元件/構件/步驟,係代表相同或類似部件。
圖1根據本發明的一實施例繪示一種心電圖訊號的非接觸式的偵測裝置10的示意圖。偵測裝置10可包含處理器110、儲存媒體120、收發器131以及收發器132。
處理器110例如是中央處理單元(central processing unit,CPU),或是其他可程式化之一般用途或特殊用途的微控制單元(micro control unit,MCU)、微處理器(microprocessor)、數位信號處理器(digital signal processor,DSP)、可程式化控制器、特殊應用積體電路(application specific integrated circuit,ASIC)、圖形處理器(graphics processing unit,GPU)、影像訊號處理器(image signal processor,ISP)、影像處理單元(image processing unit,IPU)、算數邏輯單元(arithmetic logic unit,ALU)、複雜可程式邏輯裝置(complex programmable logic device,CPLD)、現場可程式化邏輯閘陣列(field programmable gate array,FPGA)或其他類似元件或上述元件的組合。處理器110可耦接至儲存媒體120、收發器131以及收發器132,並且存取和執行儲存於儲存媒體120中的多個模組和各種應用程式。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟(hard disk drive,HDD)、固態硬碟(solid state drive,SSD)或類似元件或上述元件的組合,而用於儲存可由處理器110執行的多個模組或各種應用程式。在本實施例中,儲存媒體120可儲存包含通訊模組121、運算模組122、心電圖訊號編碼器11、前處理模組12、無線訊號編碼器13以及解碼器14等多個模組或模型,其功能將於後續說明。心電圖訊號編碼器11、前處理模組12、無線訊號編碼器13或解碼器14可由諸如深度學習(deep learning)模型或變換器(transformer)模型的機器學習模型實施,但本發明不限於此。
收發器131或收發器132用於傳送及接收訊號。收發器131或收發器132還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。在一實施例中,處理器110可通過收發器131或收發器132自外部電子裝置接收訊號或傳送訊號至外部電子裝置。
通訊模組121可通過收發器131向受測者發射無線訊號,並且接收對應於無線訊號的反射訊號。反射訊號中可包含與受測者胸腔的微震動相關的資訊。反射訊號可用於產生估計心電圖訊號。收發器131所發送的訊號例如是由毫米波(mmWave)攜帶的調頻連續波(frequency modulated continuous wave,FMCW)訊號。
通訊模組121可通過收發器132測量受測者的心電圖訊號。具體來說,收發器132可耦接至黏貼在受測者身上的一或多個電極,並通過一或多個電極取得心電圖訊號。心電圖訊號可包含12組導程訊號中的任一者或其組合。依據使用者的需求,偵測裝置10中的各個模組或模型可被訓練為用於將反射訊號還原成12組導程訊號中的任一者或其組合。
圖2根據本發明的一實施例繪示通過無線訊號測量估計心電圖訊號E的示意圖。通訊模組121可通過收發器131發射無線訊號W1,並且接收對應於無線訊號W1的反射訊號R1。前處理模組12可對反射訊號R1執行前處理以產生處理訊號P1。前處理模組12可從反射訊號R1中擷取出與心電圖的特定波形相對應的訊號以作為處理訊號P1,其中特定波形可包含P波、Q波、R波、S波或T波。
在一實施例中,在對反射訊號R1前處理之前,前處理模組12可先對反射訊號R1執行濾波處理以將反射訊號R1中與受測者的呼吸行為相關的訊號濾除,使得經處理的反射訊號R1僅保留與受測者胸腔的微震動(即:與心跳相關聯的微震動)相關的資訊。
在產生處理訊號P1後,無線訊號編碼器13可對處理訊號P1執行特徵擷取以自處理訊號P1和反射訊號R1擷取嵌入(embedding)F1,其中嵌入也可指代為特徵向量(feature vector)。接著,解碼器14可根據嵌入F1產生估計心電圖訊號E。運算模組122可輸出估計心電圖訊號E以供使用者參考。舉例來說,運算模組122可將估計心電圖訊號E輸出給與偵測裝置10通訊連接的顯示器,以通過顯示器顯示估計心電圖訊號E。基於上述,偵測裝置10可在不使用接觸式感測器的情況下,估計出受測者的心電圖訊號。
圖3根據本發明的一實施例繪示訓練無線訊號編碼器13的示意圖。通訊模組121可通過收發器132以及電極偵測受測者的心電圖訊號E1。心電圖訊號E1即為受測者的真實的心電圖訊號。同時,通訊模組121可通過收發器131向受測者發射無線訊號W2,並且接收對應於無線訊號W2的反射訊號R2。也就是說,心電圖訊號E1和反射訊號R2在時域上與彼此相對應。
心電圖訊號編碼器11可對心電圖訊號E1執行特徵擷取以自心電圖訊號E1擷取嵌入F2。前處理模組12可對反射訊號R2執行前處理以產生處理訊號P2。運算模組122可基於機器學習演算法(例如:變換器演算法)而根據反射訊號R2和處理訊號P2訓練無線訊號編碼器13。機器學習演算法的損失函數可關聯於嵌入F2。無線訊號編碼器13可經訓練以根據輸入的反射訊號和處理訊號來輸出嵌入,其中無線訊號編碼器13所輸出的嵌入將近似於心電圖訊號編碼器11所輸出的嵌入。
圖4根據本發明的一實施例繪示訓練前處理模組12的示意圖。通訊模組121可通過收發器132以及電極偵測受測者的心電圖訊號E2。心電圖訊號E2即為受測者的真實的心電圖訊號。同時,通訊模組121可通過收發器131向受測者發射無線訊號W3,並且接收對應於無線訊號W3的反射訊號R3。也就是說,心電圖訊號E2和反射訊號R3在時域上與彼此相對應。
運算模組122可基於機器學習演算法(例如:變換器演算法)而根據反射訊號R3訓練前處理模組12。機器學習演算法的損失函數可關聯於心電圖訊號E2。前處理模組12可經訓練以根據輸入的反射訊號來輸出處理訊號,其中前處理模組12所輸出的處理訊號將包含與心電圖訊號的特定波形(即:P波、Q波、R波、S波或T波)相對應的訊號。
具體來說,運算模組122可對心電圖訊號E2執行峰值偵測(peak detection)以偵測出特定波形(即:P波、Q波、R波、S波或T波)出現在心電圖訊號E2中的時間。反射訊號R3可作為標籤資料的資料點,並且與心電圖訊號E2中的特定波形相關聯的時間可作為標籤資料的標籤。運算模組122可根據標籤資料訓練前處理模組12。經訓練的前處理模組12可根據輸入的反射訊號輸出與特定波形(即:P波、Q波、R波、S波或T波)相對應的時間。
圖5根據本發明的一實施例繪示訓練解碼器14和心電圖訊號編碼器11的示意圖。通訊模組121可通過收發器132以及電極偵測受測者的心電圖訊號E3。心電圖訊號E3即為受測者的真實的心電圖訊號。心電圖訊號編碼器11可對心電圖訊號E3執行特徵擷取以自心電圖訊號E3擷取嵌入F3。運算模組122可基於機器學習演算法(例如:變換器演算法)而根據心電圖訊號E3和嵌入F3訓練或更新心電圖訊號編碼器11和解碼器14。機器學習演算法的損失函數可關聯於心電圖訊號E3。心電圖訊號編碼器11和解碼器14可經訓練以使解碼器14可根據心電圖訊號編碼器11所輸出的嵌入來輸出估計心電圖訊號,其中估計心電圖訊號將近似於受測者的真實的心電圖訊號(例如:心電圖訊號編碼器11的輸入)。
在一實施例中,用來訓練解碼器14的機器學習演算法的損失函數可關聯於心電圖訊號E3的頻譜。舉例來說,運算模組122可對心電圖訊號E3執行短時距傅立葉變換(short-time Fourier transform,STFT)以取得心電圖訊號E3的頻譜。損失函數可經設計以使解碼器14所輸出的估計心電圖訊號的頻譜(例如:由運算模組122對估計心電圖訊號執行短時距傅立葉變換以取得的頻譜)近似於真實的心電圖訊號的頻譜。
圖6根據本發明的一實施例繪示一種心電圖訊號的非接觸式的偵測方法的流程圖,其中所述偵測方法可由如圖1所示的偵測裝置10實施。在步驟S601中,發射第一無線訊號,並且接收對應於第一無線訊號的第一反射訊號。在步驟S602中,前處理第一反射訊號以產生第一處理訊號。在步驟S603中,自第一反射訊號和第一處理訊號擷取第一嵌入。在步驟S604中,根據第一嵌入產生估計心電圖訊號。在步驟S605中,輸出估計心電圖訊號。
綜上所述,本發明的偵測裝置可通過無線訊號測量人體胸腔的微震動以取得反射訊號,並基於機器學習技術將反射訊號還原為ECG訊號。因此,偵測裝置可以在不使用任何穿戴裝置或電極貼片的情況下,取得受測者的ECG訊號。部分的受測者可能因排斥接觸式的ECG感測器而擅自將ECG感測器從身上拔除。如此,當發生緊急狀況或受測者的病情突然惡化時,醫護人員可能無法即時地掌握受測者狀況。本發明的偵測裝置可避免上述情況發生,進而提升醫療照護的廣度,並預防醫療照護的死角。
10:偵測裝置
11:心電圖訊號編碼器
110:處理器
12:前處理模組
120:儲存媒體
121:通訊模組
122:運算模組
13:無線訊號編碼器
131:收發器
132:收發器
14:解碼器
E:估計心電圖訊號
E1、E2、E3:心電圖訊號
F1、F2、F3:嵌入
P1、P2:處理訊號
R1、R2、R3:反射訊號
S601、S602、S603、S604、S605:步驟
W1、W2、W3:無線訊號
圖1根據本發明的一實施例繪示一種心電圖訊號的非接觸式的偵測裝置的示意圖。
圖2根據本發明的一實施例繪示通過無線訊號測量估計心電圖訊號的示意圖。
圖3根據本發明的一實施例繪示訓練無線訊號編碼器的示意圖。
圖4根據本發明的一實施例繪示訓練前處理模組的示意圖。
圖5根據本發明的一實施例繪示訓練解碼器和心電圖訊號編碼器的示意圖。
圖6根據本發明的一實施例繪示一種心電圖訊號的非接觸式的偵測方法的流程圖。
S601、S602、S603、S604、S605:步驟
Claims (9)
- 一種心電圖訊號的非接觸式的偵測裝置,包括:第一收發器;儲存媒體,儲存多個模組;以及處理器,耦接所述儲存媒體以及所述第一收發器,並且存取和執行所述多個模組,其中所述多個模組包括:通訊模組,通過所述第一收發器發射第一無線訊號,並且接收對應於所述第一無線訊號的第一反射訊號,其中所述第一無線訊號包括由毫米波攜帶的調頻連續波訊號;前處理模組,前處理所述第一反射訊號以產生第一處理訊號;無線訊號編碼器,自所述第一反射訊號和所述第一處理訊號擷取第一嵌入;解碼器,根據所述第一嵌入產生估計心電圖訊號;以及運算模組,輸出所述估計心電圖訊號。
- 如請求項1所述的偵測裝置,更包括:第二收發器,耦接所述處理器,其中所述第二收發器偵測第一心電圖訊號,其中所述多個模組更包括:心電圖訊號編碼器,自所述第一心電圖訊號擷取第二嵌入,其中所述通訊模組通過所述第一收發器發射第二無線訊號,並且接收對應於所述第二無線訊號的第二反射訊號; 所述前處理模組前處理所述第二反射訊號以產生第二處理訊號;以及所述運算模組基於第一機器學習演算法而根據所述第二反射訊號和所述第二處理訊號訓練所述無線訊號編碼器,其中所述第一機器學習演算法的第一損失函數關聯於所述第二嵌入。
- 如請求項2所述的偵測裝置,其中所述通訊模組通過所述第一收發器發射第三無線訊號,並且接收對應於所述第三無線訊號的第三反射訊號;所述通訊模組通過所述第二收發器偵測第二心電圖訊號;以及所述運算模組基於第二機器學習演算法而根據所述第三反射訊號訓練所述前處理模組,其中所述第二機器學習演算法的第二損失函數關聯於所述第二心電圖訊號。
- 如請求項3所述的偵測裝置,其中所述運算模組偵測波形出現在所述第二心電圖訊號中的時間,其中用於訓練所述前處理模組的標籤資料包括所述時間。
- 如請求項4所述的偵測裝置,其中所述波形包括P波、Q波、R波、S波以及T波的至少其中之一。
- 如請求項1所述的偵測裝置,更包括:第二收發器,耦接所述處理器,其中所述第二收發器偵測第三心電圖訊號,其中所述多個模組更包括:心電圖訊號編碼器,自所述第三心電圖訊號擷取第三嵌入, 其中所述運算模組基於第三機器學習演算法而根據所述第三心電圖訊號和所述第三嵌入訓練或更新所述心電圖訊號編碼器和所述解碼器,其中所述第三機器學習演算法的第三損失函數關聯於所述第三心電圖訊號。
- 如請求項6所述的偵測裝置,其中所述第三損失函數關聯於所述第三心電圖訊號的頻譜。
- 如請求項2所述的偵測裝置,其中所述前處理模組、所述無線訊號編碼器、所述解碼器以及所述心電圖訊號編碼器中的至少其中之一為變換器模型。
- 一種心電圖訊號的非接觸式的偵測方法,包括:發射第一無線訊號,並且接收對應於所述第一無線訊號的第一反射訊號,其中所述第一無線訊號包括由毫米波攜帶的調頻連續波訊號;前處理所述第一反射訊號以產生第一處理訊號;自所述第一反射訊號和所述第一處理訊號擷取第一嵌入;根據所述第一嵌入產生估計心電圖訊號;以及輸出所述估計心電圖訊號。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW112119699A TWI834562B (zh) | 2023-05-26 | 2023-05-26 | 心電圖訊號的非接觸式的偵測裝置和偵測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW112119699A TWI834562B (zh) | 2023-05-26 | 2023-05-26 | 心電圖訊號的非接觸式的偵測裝置和偵測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWI834562B true TWI834562B (zh) | 2024-03-01 |
Family
ID=91269568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112119699A TWI834562B (zh) | 2023-05-26 | 2023-05-26 | 心電圖訊號的非接觸式的偵測裝置和偵測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI834562B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022055719A1 (en) * | 2020-09-08 | 2022-03-17 | Massachusetts Institute Of Technology | Contactless seismocardiography |
-
2023
- 2023-05-26 TW TW112119699A patent/TWI834562B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022055719A1 (en) * | 2020-09-08 | 2022-03-17 | Massachusetts Institute Of Technology | Contactless seismocardiography |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10117635B2 (en) | Electronic acoustic stethoscope with ECG | |
Rastegar et al. | Non-invasive continuous blood pressure monitoring systems: current and proposed technology issues and challenges | |
CA3005790C (en) | Systems and methods for automated fluid response measurement | |
US20170188862A1 (en) | System and Method of Extraction, Identification, Marking and Display of Heart Valve Signals | |
US20180116626A1 (en) | Heart Activity Detector for Early Detection of Heart Diseases | |
CN106572804A (zh) | 用于使用声学信号来测量血压的方法和装置 | |
JP2020022696A (ja) | 生体情報測定装置、生体情報システム | |
US20230355204A1 (en) | Wearable ultrasound patch for monitoring subjects in motion using machine learning and wireless electronics | |
Uspenskiy | Diagnostic system based on the information analysis of Electrocardiograph | |
Jiang et al. | Continuous blood pressure estimation based on multi-scale feature extraction by the neural network with multi-task learning | |
Malek et al. | Design and development of wireless stethoscope with data logging function | |
Wang et al. | Photoplethysmography-based blood pressure estimation using deep learning | |
Al Younis et al. | Non-invasive technologies for heart failure, systolic and diastolic dysfunction modeling: A scoping review | |
TWI834562B (zh) | 心電圖訊號的非接觸式的偵測裝置和偵測方法 | |
CN113080892A (zh) | 用于心脑血管疾病风险预测的检测数据处理方法和系统 | |
KR20190103626A (ko) | 소동물용 휴대용 심전도 전극 및 심전도 측정 시스템 | |
JP7320867B2 (ja) | 医療機器及びプログラム | |
WO2022067077A1 (en) | Beamforming systems and methods for detecting heart beats | |
Marani et al. | An intelligent system for continuous blood pressure monitoring on remote multi-patients in real time | |
CN105769386B (zh) | 手持式人工机械瓣膜血栓分析仪 | |
Karia et al. | LabVIEW based EMG and blood pressure measurement bio telemetry system | |
CN112839587B (zh) | 一种无线超声监测设备 | |
CN207949793U (zh) | 腕带式脉搏采集器 | |
Perera | Advancements of Electronic Stethoscope: A Review | |
US20230148879A1 (en) | Computer-based platforms and systems configured for cuff-less blood pressure estimation from photoplethysmography via visibility graph and transfer learning and methods of use thereof |