相关实验视频
Updated: Jan 18, 2026
19:32
Preterm EEG: A Multimodal Neurophysiological Protocol
Published on: February 18, 2012
29.0K
改善早产婴儿中枢性呼吸暂停检测:神经网络策略和临床影响
Gabriele Varisco1, Zheng Peng2, Hendrik Niemarkt3
1Electrical Engineering, Eindhoven University of Technology, Eindhoven, the Netherlands; Gynecology, Máxima Medical Center, Veldhoven, the Netherlands; School of Innovation, Design and Engineering, Division of Intelligent Future Technologies, Mälardalen University, Västerås, Sweden.
Computer methods and programs in biomedicine
|September 7, 2025
概括
神经网络在改善NICU中早产婴儿的中枢呼吸暂停 (CA) 检测方面表现有前途. 这种方法可以减少虚假警报,提高临床监测和患者护理.
科学领域:
- 新生儿重症监护室新生儿重症监护室
- 进行心肺呼吸系统监测.
- 医学中的人工智能.
背景情况:
- 过早出生的婴儿有不成熟的心肺呼吸系统,需要在NICU中进行持续监测.
- 高的错误报警率,特别是中央呼吸暂停 (CA),导致临床医生中的报警疲劳.
- 目前CA检测精度低至0.35,需要改进检测方法.
研究的目的:
- 开发和评估神经网络模型,以提高早产婴儿中枢性呼吸暂停的检测.
- 提高CA检测的精度,从而减少新生儿重症监护室 (NICU) 的错误警报.
- 为了提高早产婴儿生理信号监测的准确性.
主要方法:
- 使用了来自10名早产婴儿的参考和保留数据集,共计951名和254名注释CA.
- 开发了CA检测模型,使用心电图,胸部阻抗和外周氧和的特征.
- 采用卷积神经网络 (CNN),具有超参数调整和离开一个患者的交叉验证.
主要成果:
- 最好的CNN模型在参考数据集上的所有CA的精度为0.54和灵敏度为0.75.
- 对于带有白心和低心率的CA的敏感性仍然很高 (分别为0.87和0.88).
- 在保留数据集上,性能下降 (精度0.28,灵敏度0.69),但对于相关的胸/低HR的灵敏度仍然很高 (0.83-0.85).
结论:
- 神经网络显示了提高CA检测准确度和减少NICU中的错误报警的潜力.
- 增强的CA检测可以支持更准确的早产婴儿监测策略.
- 需要更大,更多样化的数据集来改善模型通用化.
