优化活动驱动事件检测的长期门诊泌尿动力学
Farhath Zareen1, Mohammed Elazab2, Brett Hanzlicek3
1Department of Computer Science and Engineering, University of South Florida, Tampa, FL, USA.
概括
将活动识别与膀监测设备相结合,可以通过将真实的膀事件与运动器件区分开来,改善下游泌尿道功能障碍 (LUTD) 的诊断,提高准确性.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 信号处理 信号处理
背景情况:
- 下尿道功能障碍 (LUTD) 影响全球数以百万计的人,影响生活质量.
- 无导管植入式设备为LUTD诊断和治疗提供长期的门诊膀监测.
- 膀压力信号中的运动器件可能导致错误分类和不准确的诊断.
研究的目的:
- 调查将惯性测量单元 (IMU) 数据整合到膀事件分类中的实用性.
- 评估数字信号处理 (DSP) 和机器学习 (ML) 对活动识别 (AR) 和文物检测的有效性.
- 为了提高在门诊监测系统中膀事件分类的准确性.
主要方法:
- 从走动的尤卡坦小猪收集了同时的膀压力和IMU数据.
- 确定了10个计算上便宜的信号特征用于活动分类.
- 采用DSP和ML技术进行信号处理和活动分类.
主要成果:
- 在使用IMU数据对患者活动进行分类时,平均达到91.5%的准确性.
- 当分类活动被整合时,膀事件分类准确度从81%提高到89.0%.
- 证明特定的IMU特征可以提高膀事件的分类,而计算成本较低.
结论:
- 使用IMU数据的活动识别有效地区分了膀收缩和运动器件.
- 这种方法减少了单通道膀事件检测系统中的错误分类错误.
- 这些发现与新兴的静脉压力传感器和门诊膀压力分析相关.
