本團隊發展之24小時日夜間血壓估測系統主要利用腕式光體積描記訊號，透過3軸加速器與PPG訊號建立訊號品質指標來評估日常生活的血壓可估測性。並據此以元學習個人化模型估測包含睡眠期的日夜間血壓。目前平均每人的估測均方根誤差為7.65 mmHg，為首個提供以智能手錶估測24小時血壓變異之智慧系統。

本團隊運用元學習技術建立個人化日夜間血壓模型的小樣本學習能力，以降低訓練樣本的需求量。並透過PPG訊號的偏度與三軸加速器的活動計量，判斷血壓可估測性。在來自14位受試者的三筆日間血壓與三筆夜間睡眠期間血壓的實驗中，平均每人的估測均方根誤差為7.65 mmHg，有助於評估日夜間血壓差異與高血壓風險。

本技術的應用面向包含ICT產業、醫療產業與健康照護產業。在ICT產業面，本技術可進一步提升智能手表的功能價值；在醫療產業上，則可提供居家長期的日夜間血壓資訊輔助醫生診斷與治療；在健康照護產業上，則可透過穿戴式裝置的便利性來實現長期而普遍的健康監測與提醒，可使使用者得到健康資訊的回饋。