机器学习动脉波形模型的完善,用于预测犬类血液损失
Jose M Gonzalez1, Thomas H Edwards1,2, Guillaume L Hoareau3,4,5
1U.S. Army Institute of Surgical Research, JBSA Fort Sam Houston, San Antonio, TX, United States.
Frontiers in artificial intelligence
|September 5, 2024
概括
分析狗动脉波形的机器学习模型可以比传统方法更早地预测出血. 这项技术为狗创伤提供了改进的检测和干预,在人类医学中具有潜在的应用.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 出血是创伤病例中死亡的关键原因,影响人类和军事工作犬.
- 目前的生理监测方法往往无法提供早期检测出血.
- 军事工作犬容易受到类似于人类士兵受伤的伤害.
研究的目的:
- 评估动脉波形特征在犬类早期出血预测方面的潜力.
- 开发机器学习模型,以改善兽医创伤护理中的出血检测和干预.
主要方法:
- 从狗动脉波形数据集中提取了超过1900个特征.
- 利用决策树机器学习模型来预测血液损失指标.
- 分析出血前,出血期间和休克期的数据.
主要成果:
- 成功开发机器学习模型,用于预测总和估计百分比的血液损失.
- 动脉波形分析检测出出血发生大约4分钟后.
- 这比通过平均动脉压检测的速度要快得多,这需要超过45分钟.
结论:
- 机器学习有效地跟踪狗的出血,使得更早的预测.
- 这种方法可以增强出血检测,并在兽医中标准化分类.
- 该方法显示了适应人类创伤监测与适当数据集的承诺.
