基于深度学习的方法用于监测ICU患者的痴呆症,使用温度计

科学领域:

• 医学成像医学成像
• 人工智能的人工智能是人工智能.
• 密集护理医学是密集护理的医学.

背景情况:

• 狂妄症在ICU中很常见,延长了康复时间并引起了痛苦.
• 目前的妄想诊断是主观的,并且在观察者之间有所不同.
• 需要客观的,持续的监测方法来改善患者护理.

研究的目的:

• 开发一种客观的方法来评估ICU中的痴呆症.
• 为了利用红外热学来进行不引人注目的患者监测.
• 利用深度神经网络来分析患者的激动.

主要方法:

• 红外热图 (热图) 记录了患者的运动和温度.
• 一个深度神经网络的管道被设计用于数据分析.
• 该系统旨在确定患者的激动程度.

主要成果:

• 深度神经网络管道在确定患者动荡时实现了66.76%的准确性.
• 来自温度图的运动和温度数据提供了宝贵的信息.
• 这种方法表明了客观妄监测的潜力.

结论:

• 红外热学与深度学习相结合,提供了一种更客观的 Delirium 评估方法.
• 这项技术可以轻松地持续监测激动的患者.
• 进一步的研究可以完善这种方法用于ICU的临床应用.