监测连续的血压信号是一个重要的议题，因为会在血压会在数天、数分钟甚至数秒内发生变化。大多数基于 PPG (光电容积脉搏波) 由血氧浓度的血压估计方法容易受到噪声所影响，且仅提供 SBP (收缩压) 和 DBP (舒张压) 这两类单一数值的预测。
我们不是估计一个离散值，而是从不同的角度来估计血压的整个波形。我们提出了一种新的深度学习模型来学习如何执行从 PPG 信号到 ABP (动脉血压) 信号之间的转换。此外，仅使用原始 PPG 信号作为输入，所提出模型的输出是连续的 ABP 信号。
这些结果符合医疗器械促进协会 (AAMI) 和英国高血压学会 (BHS) 的 A 级标准。