实时气道监测系统使用基于子的呼吸声的二元分类模型,使用气管切除管

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 呼吸系统生理学 呼吸系统生理学

背景情况:

• 气管切除术患者需要持续的气道管理,因为过多的分泌物.
• 目前的气道评估依赖于专家对呼吸声的主观解释.
• 需要客观的,实时的气道监测系统.

研究的目的:

• 开发和验证一个深度学习模型,以实时检测气道阻塞在气管切除子.
• 评估基于物联网 (IoT) 的设备用于远程呼吸声数据传输的可行性.
• 建立一个客观的气道评估的新方法.

主要方法:

• 从子中收集了呼吸声,这些子有气管管和诱导的气道阻塞.
• 声音样本被转换为光谱图,并使用卷积神经网络 (CNN) 进行分析.
• 开发了一个物联网设备,用于实时远程数据传输和随后的模型测试.

主要成果:

• 该CNN模型在分类正常与阻塞性呼吸声方面取得了高准确性 (0.9375验证,0.9524测试).
• 该模型表现出色,ROC曲线下的面积为0.9900 (验证) 和0.9953 (测试).
• 物联网设备促进了成功的实时远程数据传输,用于气道监控.

结论:

• 对呼吸声的深度学习分析对于检测气管阻塞在气管切除子中是有效的.
• 开发的基于物联网的系统显示了持续,客观和远程气道监控的前景.
• 这项研究为潜在的人类呼吸道监测应用提供了基础.