使用深度强化学习来最大限度地提高下肢血液流动,使用间歇性气压压缩

科学领域:

• 生物医学工程 生物医学工程
• 生理学 生理学 生理学
• 人工智能的人工智能

背景情况:

• 间歇性气压 (IPC) 增强下肢血流.
• 以前的心脏门系统改善了血液速度 (BV),但最佳时间因个人和时间而异.
• 目前的方法只能在短期内预测时间.

研究的目的:

• 开发和评估一个深度强化学习 (DRL) 算法,用于IPC压缩时间 (CT) 的自适应优化.
• 为了最大限度地提高下肢动脉血速度 (BV),使用DRL引导的IPC.

主要方法:

• 为6个人创建了参与者特定的模拟下肢环境.
• 一个DRL代理被训练,以适应性学习和修改IPCCT以最大限度地提高动脉BV.
• 将DRL剂的性能与以前的方法进行了比较.

主要成果:

• DRL代理成功地学会了自适应优化IPC CT,最大限度地提高动脉BV.
• DRL实现了最大血流量的98%±2,表现优于之前的方法.
• DRL代理人在平均15分钟±2内学习了最佳策略,并可以实时调整.

结论:

• DRL可以有效地学习和自适应地修改IPC CT,以实现所需的生理结果,例如最大限度地提高BV.
• 拟议的DRL剂提供了一种快速,适应性和个性化的方法来优化IPC治疗.
• 这种DRL系统有潜力在IPC设备中实现实时,人-in-the-loop优化.