通过身体上部表面运动监测潮体积 - - 一项人工智能方法的试点研究
Bernhard Laufer1, Tamer Abdulbaki Alshirbaji1,2, Paul David Docherty3
1Institute of Technical Medicine (ITeM), Furtwangen University, 78056 Villingen-Schwenningen, Germany.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
使用表面运动分析测量潮体积显示出有前途. 线性回归与校准对于大多数受试者来说是准确的,而AI (CNN) 显示了体育和家庭护理中未校准的呼吸监测的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 通过上肢表面运动来测量潮体积是医学诊断中的一个长期目标.
- 传感器技术和人工智能的近期进展使该领域的研究重新振兴.
研究的目的:
- 评估线性回归和卷积神经网络 (CNN) 在从呼吸引起的表面运动中确定潮体积的有效性.
- 为了比较校准线性回归与未校准CNN在潮体积测量的性能.
主要方法:
- 呼吸诱导的表面运动被用运动捕捉系统捕捉在16个实验对象身上.
- 使用线性回归和基于运动参数的定制CNN模型计算了潮体积.
主要成果:
- 在个别校准后,线性回归在13/16名受试者中实现了临床准确性 (<150毫升MAE).
- 在5/16个受试者中,CNN方法达到这个准确度,但不需要校准.
- 个人校准显著优于CNN的线性回归性能.
结论:
- 在大多数受试者中,校准线性回归对于临床潮体积测量是可行的.
- 美国有线电视新闻网 (CNN) 显示,在家庭护理和体育运动中,无校准呼吸监测的潜力很大,未来的临床应用可能需要更大的数据集.
- CNNs可以提供未校准的潮体积测量,这是一个关键的缺失重要信号.


