論文の概要: A Sensorless Control System for an Implantable Heart Pump using a
Real-time Deep Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2105.00875v1
- Date: Fri, 30 Apr 2021 05:12:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-04 14:14:17.566503
- Title: A Sensorless Control System for an Implantable Heart Pump using a
Real-time Deep Convolutional Neural Network
- Title（参考訳）: リアルタイム深部畳み込みニューラルネットワークを用いた植込み型心臓ポンプのセンサレス制御システム
- Authors: Masoud Fetanat, Michael Stevens, Christopher Hayward and Nigel H.
Lovell
- Abstract要約: 左室補助装置(LVAD)は、移植および目的地療法への橋渡しとして心不全(HF)患者をサポートするために使用することができるメカニカルポンプです。
LVAD速度を自動的に調整するには、さまざまな臨床シナリオで患者の血行動態の変化に対応する生理学的制御システムを設計する必要があります。
lvadフローに基づく事前負荷推定のための新しいリアルタイム深層畳み込みニューラルネットワーク(cnn)を提案する。
- 参考スコア（独自算出の注目度）: 2.4128113486957727
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Left ventricular assist devices (LVADs) are mechanical pumps, which can be
used to support heart failure (HF) patients as bridge to transplant and
destination therapy. To automatically adjust the LVAD speed, a physiological
control system needs to be designed to respond to variations of patient
hemodynamics across a variety of clinical scenarios. These control systems
require pressure feedback signals from the cardiovascular system. However,
there are no suitable long-term implantable sensors available. In this study, a
novel real-time deep convolutional neural network (CNN) for estimation of
preload based on the LVAD flow was proposed. A new sensorless adaptive
physiological control system for an LVAD pump was developed using the full
dynamic form of model free adaptive control (FFDL-MFAC) and the proposed
preload estimator to maintain the patient conditions in safe physiological
ranges. The CNN model for preload estimation was trained and evaluated through
10-fold cross validation on 100 different patient conditions and the proposed
sensorless control system was assessed on a new testing set of 30 different
patient conditions across six different patient scenarios. The proposed preload
estimator was extremely accurate with a correlation coefficient of 0.97, root
mean squared error of 0.84 mmHg, reproducibility coefficient of 1.56 mmHg,
coefficient of variation of 14.44 %, and bias of 0.29 mmHg for the testing
dataset. The results also indicate that the proposed sensorless physiological
controller works similarly to the preload-based physiological control system
for LVAD using measured preload to prevent ventricular suction and pulmonary
congestion. This study shows that the LVADs can respond appropriately to
changing patient states and physiological demands without the need for
additional pressure or flow measurements.
- Abstract（参考訳）: 左室補助装置(左室補助装置、LVAD)は、心臓不全(HF)患者を移植と治療の橋渡しとして使用できる機械式ポンプである。
LVADの速度を自動調整するためには、様々な臨床シナリオにおける患者の血行動態の変化に対応するために生理的制御システムを設計する必要がある。
これらの制御システムは、心臓血管系の圧力フィードバック信号を必要とする。
しかし、適切な長期植込み可能なセンサーは存在しない。
本研究では,lvadフローに基づく事前負荷推定のための,新しいリアルタイム深層畳み込みニューラルネットワーク(cnn)を提案する。
モデルフリー適応制御(FFDL-MFAC)のフルダイナミックフォームと,患者状態を安全な生理範囲で維持するためのプリロード推定器を用いて,LVADポンプのセンサレス適応型生理制御システムを開発した。
プレロード推定のためのcnnモデルは、100の異なる患者条件について10倍のクロス検証を行い、評価し、6つの異なる患者シナリオにまたがる30の患者条件の新しいテストセットで、センサレス制御システムを評価した。
提案したプレロード推定器は, 相関係数0.97, 根平均2乗誤差0.84 mmHg, 再現係数1.56 mmHg, 変動係数14.44 %, 試験データセットの偏差0.29 mmHgで極めて正確であった。
また, センサレス生理制御器は, 心室吸引や肺の混雑を防止するために, 測定前負荷を用いたLVADの生理的制御系と類似していることを示した。
本研究は, LVADが, 追加の圧力や流量測定を必要とせず, 患者状態や生理的要求に適切に対応できることを示唆する。
関連論文リスト
- Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。
健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。
ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
論文 参考訳（メタデータ） (2024-09-05T02:14:31Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。
この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。
本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
論文 参考訳（メタデータ） (2024-03-18T18:09:22Z) - An end-to-end deep learning pipeline to derive blood input with partial
volume corrections for automated parametric brain PET mapping [1.3243230917306228]
dFDG-PETの定量分析における重要な課題は、患者固有の血液入力機能を特徴づけることである。
本研究では内頸動脈からの非侵襲的ディープラーニングモデルに基づく計算手法を提案する。
ICAセグメンテーションのための3次元U-NetベースのICA-netと、モデル修正血液入力関数の導出のためのリカレントニューラルネットワーク(RNN)ベースのMCIF-netを組み合わせたエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2024-02-05T17:02:30Z) - A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文 参考訳（メタデータ） (2023-06-26T13:23:52Z) - Fully Elman Neural Network: A Novel Deep Recurrent Neural Network
Optimized by an Improved Harris Hawks Algorithm for Classification of
Pulmonary Arterial Wedge Pressure [6.570131476348873]
心臓不全(Heart failure、HF)は、米国で650万人が苦しんでおり、世界中で2300万人以上の心臓血管疾患の1つである。
肺動脈くさび圧(PAWP)を測定する商用の長期植込み型圧力センサは存在しない
本研究では,HHO+を24の単調およびマルチモーダル性能ベンチマーク関数上で提示・テストする。
完全エルマン心室ニューラルネットワーク(FENN)を提案する。
論文 参考訳（メタデータ） (2023-01-16T06:58:20Z) - Enhanced physics-constrained deep neural networks for modeling vanadium
redox flow battery [62.997667081978825]
本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。
ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
論文 参考訳（メタデータ） (2022-03-03T19:56:24Z) - Energy-Efficient Respiratory Anomaly Detection in Premature Newborn
Infants [1.845415610921548]
早産児のためのDeep Learning対応ウェアラブルモニタリングシステムを提案する。
乳児の体に装着した非侵襲的なウェアラブルBellypatchから無線で収集される信号を用いて呼吸停止を予測する。
ベースライン1DCNNモデルに比べて18倍低いエネルギーで93.33%の精度を達成する解を選択する。
論文 参考訳（メタデータ） (2022-02-21T23:15:03Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-12T20:02:00Z) - Personalized Deep Learning for Ventricular Arrhythmias Detection on
Medical IoT Systems [17.966382901357118]
心室不整脈(VA)は突然死(SCD)の原因である
医療用IoTシステム上での深層学習に基づくVA検出のためのパーソナライズされたコンピューティングフレームワークを提案する。
心内および表面リズムモニターの両方でリアルタイムに推定を行う。
論文 参考訳（メタデータ） (2020-08-18T17:41:58Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。