一种智能服装用于长时间的COVID-19实时监控

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 可穿戴技术可穿戴技术

背景情况:

• 可穿戴系统提供实时监控,但缺乏对长期COVID-19的深入分析.
• 医疗图像分析的监督学习提供了深入的见解,但不适合实时监控.
• 目前的工具很难区分长期COVID-19和具有类似症状的其他疾病.

研究的目的:

• 开发一种智能服装,将实时监测与长期COVID-19的精确诊断能力相结合.
• 创建一个能够深入分析和区分长期COVID-19症状的系统.
• 为了改善长期COVID-19患者健康状况的评估.

主要方法:

• 一种智能服装集成可穿戴传感器 (心率,温度,SpO2) 和心电图 (ECG) 监测.
• 使用多个机器学习模型进行可解释的数据融合策略.
• 分析生理参数,包括SPO2和ECG ST间隔.

主要成果:

• 拟议的智能服装在评估患者健康状况方面达到97.5%的准确性.
• 与现有的可穿戴系统相比,该系统表现出卓越的性能.
• 血氧和度 (SpO2) 和心电图ST间隔被确定为长期COVID-19严重程度的关键指标.

结论:

• 这种智能服装有效地将实时监控与长期COVID-19的先进诊断精度相结合.
• 这种综合方法比目前的独立可穿戴或诊断工具提供了显著的进步.
• 这些发现突显了智能服装在全面长期COVID-19管理方面的潜力.