1. 運用光學方式PPG取得人體血液循環之連續變化信號，可無束帶量測血壓，不僅是優勢也是趨勢，有助於穿戴式商品發展應用，且現行市場尚無可穿戴連續偵測光學式血壓計相關產品，商化應用潛力佳。

本團隊前次續獎成功開發出之腕帶式可撓 PPG OLED/OPD 感測貼片延伸應用於心跳、血氧與血壓偵測及以Convolution Neural Network (CNN) 來擷取 PPG 信號之有效特徵，並計算血壓(BP)值。此次研發成果是(1)成功研發出以進階之 CNN，即Long Short Term Memory (LSTM)來擷取 PPG 信號之有效特徵，並計算血壓值;(2)成功地於台南璟馨婦幼醫院IRB取得孕婦血壓數據，世界首創使用Transfer Learning將原始建立之LSTM model成功地轉移成專屬孕婦之血壓預測模型，希望早期發現及預防子癲前症之發生;(3)成功地進駐國科會竹北生醫園區，建立符合TFDA認證標準之小量試產線。LSTM相較於CNN可有效將時序上前後不同Data之相對關係擷取成與血壓高度相關之特徵，增加預測準確度。另Transfer Learning可針對特定族群將原始Baseline Model基於特定族群微調，更進一步增加預測血壓準確度。結果顯示成功將收縮壓誤差標準差從±5.17 mmHg降為±3.77 mmHg；舒張壓誤差標準差從±3.80 mmHg降為±3.61 mmHg，已達 FDA 之標準。