使用智能手表提高心肺复苏质量:用于算法开发和验证的神经网络方法
Gaurav Rao1, David W Savage2, Gabrielle Erickson2
1Department of Mathematics and Computing, Faculty of Science, Saint Mary's University, Halifax, NS, Canada.
JMIR mHealth and uHealth
|May 5, 2025
概括
这项研究开发了一个神经网络模型,使用智能手表数据准确评估心肺复苏 (CPR) 质量. 该模型预测了压缩深度和速度,旨在提高突然心脏骤停的存活率.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 紧急医疗 技术 技术 技术
背景情况:
- 突然心脏骤停 (SCA) 是导致死亡的主要原因.
- 高质量的心肺复苏 (CPR) 对于改善SCA生存率至关重要.
- 在紧急情况下,对心肺复苏质量的实时监测 (100-120次压缩/分钟,50-60毫米深度) 是具有挑战性的.
研究的目的:
- 引入一种用于预测和评估心肺复苏质量的新型神经网络模型.
- 用智能手表的加速度计数据进行心肺复苏质量评估.
- 开发一个实时反CPR性能的系统.
主要方法:
- 收集了83名参与者使用智能手表对模型进行心肺复苏的加速度计数据.
- 将智能手表数据与黄金标准模型数据对齐.
- 训练了1226个神经网络模型,使用5秒间隔的压缩数据,优化超参数和数据集配置.
主要成果:
- 最佳神经网络模型在5秒间隔内准确预测了压缩计数 (±0.8偏差) 和平均深度 (±3.8毫米).
- 与现有方法相比,该模型在CPR质量评估中显示出更高的准确性.
- 一个大而多样化的数据集增强了模型的稳定性和可靠性.
结论:
- 验证了一个神经网络模型的有效性,用于从智能手表加速度计数据中预测心肺复苏指标.
- 该模型显示了实时CPR反的显著前景,可能改善SCA生存率.
- 未来的研究将专注于将该模型直接部署到智能手表上,以便立即实时应用.
关键词:
在CPR的反中,我们得到了CPR的反.在CPR的性能方面,CPR的性能很好.心脏骤停是因为心脏停止了.进行心肺复苏.胸部压缩 胸部压缩压缩 压缩 压缩 压缩数据收集数据收集数据收集有效性 有效性 有效性.紧急情况 紧急情况手机电话 手机电话手机电话监控 监控 监控 监控 监控 监控网络模型 网络模型神经网络的神经网络的神经网络聪明的健康智能健康智能手表 智能手表突然心脏骤停,导致心脏骤停.可穿戴设备可以穿戴.

