持续无接触监测新生儿活动
Paul S Addison1, Dale Gerstmann2, Jeffrey Clemmer2
1Research and Development, Acute Care and Monitoring, Medtronic, The Technopole Centre, Edinburgh, UK. paul.addison@medtronic.com.
BMC pediatrics
|February 24, 2025
概括
这项研究引入了一种新的非接触式方法,用于使用深度传感摄像头和随机森林算法在NICU中监测新生儿活动. 该技术准确地检测婴儿运动,这对于评估镇静水平和潜在的健康问题至关重要.
科学领域:
- 生物医学工程 生物医学工程
- 新生儿监测新生儿监测
- 机器学习应用 机器学习应用
背景情况:
- 新生儿活动是新生儿重症监护室 (NICU) 的关键指标,反映了镇静水平和潜在的疾病发病.
- 婴儿的运动可以在生理信号中产生运动噪声,导致心率和氧和度等重要参数的读数不准确.
研究的目的:
- 开发和评估一种新的非接触式技术,用于监测新生儿活动.
- 使用在深度视频数据上训练的随机森林机器学习算法进行活动检测.
主要方法:
- 一组20名新生儿使用放置在不同位置的深度传感摄像头进行监测.
- 处理深度数据以提取表明新生儿运动的特征.
- 一个随机森林模型经过训练和测试,使用一个留出一项的交叉验证方法.
主要成果:
- 随机森林模型实现了高性能,平均 (SD) 灵敏度为92.0% (8.8%) 和特异性为93.2% (11.1%).
- 接收机运营商曲线下的面积 (ROC-AUC) 为97.7% (2.5%),表明了良好的歧视.
- 检测到的活动与呼吸道流动信号中的噪音段有很好的相关性.
结论:
- 开发的深度传感摄像头系统证明了对新生儿活动的持续,非接触式监测的可行性.
- 这项技术为改善NICU患者监测和数据准确性提供了一个有前途的解决方案.
