通过顺序推断检测内部出血:一个在的可行性研究

科学领域:

• 生物医学工程 生物医学工程
• 生理监测 生理监测
• 医疗器械技术 医疗器械技术

背景情况:

• 内部出血带来了重大的临床挑战,常常被液体复苏所复杂化.
• 目前用于检测出血的方法可能是侵入性的或在复苏期间缺乏准确性.
• 对于早期检测出血,持续的,非侵入性的血红素监测是理想的.

研究的目的:

• 开发和评估用于检测和估计内部出血率的顺序推理算法.
• 为了应对分辨出血与液体复苏的挑战,该研究对血压的效果产生了影响.
• 为了使内部出血的持续,非侵入性监测.

主要方法:

• 开发了两个顺序推理算法:Luenberger观察器和扩展的卡尔曼波器.
• 算法使用液体复苏剂量和血红素值测量作为输入.
• 在使用100名虚拟患者的in silico评估中,出血和复苏率各不相同.

主要成果:

• 序列推断算法显著超过了天真的血红素降低检测 (F1分数:卢恩伯格0.80,卡尔曼0.76与血红素0.59在1%的噪声).
• 与Luenberger观察器相比,扩展的卡尔曼波器提供了可比的检测准确度和优越的出血率估计.
• 算法性能对低血红素值噪声 (≤1%) 很强大,并受益于个性化.

结论:

• 序列推理算法为连续的,非侵入性的内出血检测和率估计提供了一种可行的方法.
• 扩展的卡尔曼波器显示出在复苏期间准确估计出血率的前景.
• 尽量减少测量噪声和个性化算法是临床翻译的关键.