使用可穿戴多传感器系统检测新生儿发作
Hongyu Chen1, Zaihao Wang2, Chunmei Lu3
1Greater Bay Area Institute of Precision Medicine, Guangzhou 511466, China.
Bioengineering (Basel, Switzerland)
|June 28, 2023
概括
一个新的可穿戴多传感器平台和算法可以使用心电图,呼吸和运动数据自动检测新生儿发作. 与用于婴儿大脑功能障碍监测的单传感器方法相比,这种方法提供了更好的准确性和更少的误报.
科学领域:
- 生物医学工程 生物医学工程
- 新生儿神经病学 新生儿神经病学
- 信号处理 信号处理
背景情况:
- 新生儿发作是婴儿大脑功能障碍的关键指标.
- 目前的视频脑电图 (VEEG) 方法有局限性,包括限制运动和电极皮肤刺激.
- 需要一个可穿戴的,非侵入性的监测系统来准确检测新生儿发作.
研究的目的:
- 为新生儿开发和评估第二代可穿戴多传感器平台.
- 创建一个自动发作检测算法,利用综合生理和运动信号.
- 为了比较多模式与单模式特征检测在新生儿发作中的有效性.
主要方法:
- 设计了一个可穿戴的多传感器平台来收集心电图,呼吸和加速数据.
- 在约300小时内记录了38名新生儿的数据,其中包括4名患者的30次发作.
- 开发并比较了三种自动发作检测算法:多模式 (心电图,呼吸,加速),基于呼吸运动 (呼吸,加速) 和单模式 (心电图).
主要成果:
- 与单模探测器相比,多模特征探测器表现出优异的性能.
- 结合心电图,呼吸和加速数据,显著降低了错误报警率.
- 多模式方法实现了更高的F-措施,这表明检测的整体效率有所提高.
结论:
- 与先进算法集成的可穿戴多传感器平台为新生儿发作检测提供了一个有希望的解决方案.
- 多模式数据融合提高了新生儿发作检测的准确性和可靠性.
- 这项技术可以通过提供更有效的监测来改善婴儿大脑功能障碍的临床管理.
