基于机器学习的估计大动脉压力曲线通过电阻断层扫描
概括
这项研究表明,电阻断层扫描 (EIT) 可以使用训练有素的卷积神经网络预测中枢大动脉压力曲线. 虽然在新数据上是可行的,但该方法显示了随机偏移.
科学领域:
- 生物医学工程 生物医学工程
- 心血管生理学心血管生理学
- 医疗成像医学成像
背景情况:
- 中枢大动脉压力对于临床实践至关重要,但侵入性或不准确的非侵入性方法限制了监测.
- 需要可靠的,非侵入性的方法来长期监测中央大动脉压力.
研究的目的:
- 开发和评估一种使用电阻断断层扫描 (EIT) 预测中央大动脉压力曲线的非侵入性方法.
- 评估使用卷积神经网络 (CNN) 来从EIT数据中估计大动脉压力的可行性.
主要方法:
- EIT的记录是从一个活体动物模型中获得的.
- 同时的入侵性中央大动脉压力测量用于训练.
- 一个CNN被训练来预测来自EIT电压的大动脉压力曲线,使用参数表示和超参数调.
主要成果:
- 经过训练的CNN成功地从EIT数据对未知的测试数据估计了大动脉压力曲线.
- 该估计是可行的,证明了EIT在压力监测方面的潜力.
- 在预测压力曲线中观察到的随机偏移需要进一步调查.
结论:
- 使用EIT和CNN进行中央大动脉压力曲线的非侵入性估计是可行的.
- 这种方法为侵入性或不太准确的方法提供了一个有希望的替代方案.
- 需要进一步的研究来解决和消除观察到的随机偏移的临床应用.
更多相关视频
05:56Monitoring Lung Function with Electrical Impedance Tomography in the Intensive Care Unit
Published on: September 6, 2024
5.9K
06:18Intravascular Ultrasound Image-Based Finite Element Modeling Approach for Quantifying In Vivo Mechanical Properties of Human Coronary Artery
Published on: December 6, 2024
972
