一个使用可穿戴式超声波和机器学习算法的预排空报警系统,用于夜间尿尿失禁的儿童

科学领域:

• 生物医学工程 生物医学工程
• 医疗器械 医疗器械
• 机器学习应用 机器学习应用

背景情况:

• 夜间尿尿 (床上尿) 严重影响儿童和照顾者.
• 现有的尿液注射预测系统存在局限性,包括繁的硬件和对传感器位置的敏感性.
• 排空后系统在培养正确的排空习惯方面具有有限的价值.

研究的目的:

• 开发和评估一个具有机器学习的低压超声波系统,用于估计膀填充状态.
• 解决当前尿尿失禁报警系统的局限性,重点关注安全性和传感器放置容忍度.
• 将膀体积分为低级和高级,以触发及时的警报.

主要方法:

• 一个低压超声系统,采用定制的灵活的1D传感器阵列,具有编码的脉冲和脉冲压缩.
• 实施基于机器学习的多位置训练策略,以减轻传感器错位的影响.
• 用KNN,SVM和稀疏编码将膀体积 (100-300毫升) 分类为低或高.

主要成果:

• 稀疏的编码方法实现了高精度和回忆 ([公式:见文本],[公式:见文本]) 与理想的传感器放置.
• 该系统保持了高的分类准确性 (精度[公式:见文本],召回[公式:见文本]) 即使传感器误位高达4.5毫米.
• 该系统有效地对膀体积进行分类,以触发高体积状态的警报.

结论:

• 开发的低压超声波系统提供了一个安全有效的解决方案,用于监测夜间尿尿时膀填充状态.
• 该系统对传感器错位的耐受性提高了其实际可用性,并为儿童和护理人员提供了用户友好性.
• 这项技术具有显著的临床和转化价值,可以改善尿尿失禁的管理.