在家用尿流量测量的新兴趋势 - 设计一种新的基于振动的尿流量计,使用人工智能识别尿流曲线的模式,并与其他技术进行比较

科学领域:

• 生物医学工程 生物医学工程
• 医疗器械 医疗器械
• 医疗保健中的人工智能

背景情况:

• 老年男性经常出现下尿道症状 (LUTS).
• 目前的诊断工具,如膀日记 (BD) 和医院尿液流量计 (UFM) 有局限性,包括主观性,不完整的数据和缺乏便利性.
• 对于用户友好,人工智能驱动的家用尿液流量监测解决方案有很大的需求.

研究的目的:

• 开发一种新的基于振动的家庭泌尿流量计系统.
• 为了使尿流曲线模式的识别和测量空化参数使用人工智能.
• 为了比较这个新系统的性能与现有的家用尿液流量计方法.

主要方法:

• 76名男性参与者为尿液流量计提供了知情同意.
• 尿液容器上的加速度计捕获了振动信号 (RMS, Mmax).
• 一个卷积神经网络 (CNN) 分析了振动信号以进行尿流模式分类.

主要成果:

• 在振动信号和空化参数 (例如,空化体积和RMS:R=0.768,p<0.001) 之间发现了正相关性.
• 人工智能模式识别实现了高精度 (精度,回忆,F1得分>0.97).
• 该系统准确地测量了排泄参数,并识别了尿流模式.

结论:

• 人工智能辅助的基于振动的家庭尿液流量测量提供了准确的空化参数测量和模式识别.
• 该系统展示了高精度,回忆和F1分数.
• 这项技术提供了一个方便的解决方案,用于在临床环境之外持续的,非主观的膀监测.