一个人工智能模型用于术后片的血管性监测
Ming Lu1,2, Aijie Zhang3, Yao Wang4
1School of Biomedical Engineering, Tsinghua University.
The Journal of craniofacial surgery
|February 25, 2025
概括
使用皮肤颜色监测算法 (SCMA) 和脉冲波监测算法 (PWMA) 的人工智能 (AI) 算法在检测血管损害方面表现有前途. 这些人工智能工具为临床环境中的主观手动评估提供了一个可行的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗技术 医疗技术 医学技术
- 医疗保健中的人工智能
背景情况:
- 术后片监测是主观的,容易出现人为错误,可能导致片失效.
- 延迟检测血管损害可能是由于在部监测中误解视觉线索造成的.
- 目前的方法依赖于对皮肤颜色变化的主观判断,影响准确性.
研究的目的:
- 调查人工智能 (AI) 模型的可行性,以监测膜血管.
- 使用受控压力条件模拟临床血管损害.
- 对人工智能算法 (SCMA和PWMA) 与手动评估和标准设备进行评估.
主要方法:
- 模拟静脉和动脉阻塞使用各种压力水平 (0-200毫米升) 的旋机.
- 用临床专家的唐和吉丁斯分类来评估皮肤颜色变化.
- 来自皮肤颜色监测算法 (SCMA) 和脉冲波监测算法 (PWMA) 的记录数据.
主要成果:
- 100毫米平模拟静脉堵塞;200毫米平模拟动脉堵塞.
- SCMA与手动皮肤颜色评估相关;PWMA与脉冲氧计相关.
- 静脉妥协显示皮肤颜色变深;动脉阻塞显示氧和度降低.
结论:
- 人工智能算法证明了与手动评估和基于接触的设备的可比性.
- 开发的AI算法显示了未来研究和技术开发的可行性.
- 人工智能在临床实践中为识别血管损害提供了一个潜在的客观工具.
