論文の概要: Early prediction of respiratory failure in the intensive care unit

• arxiv url: http://arxiv.org/abs/2105.05728v1
• Date: Wed, 12 May 2021 15:20:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-13 12:30:57.263378
• Title: Early prediction of respiratory failure in the intensive care unit
• Title（参考訳）: 集中治療室における呼吸不全の早期予測
• Authors: Matthias H\"user, Martin Faltys, Xinrui Lyu, Chris Barber, Stephanie L. Hyland, Tobias M. Merz, Gunnar R\"atsch
• Abstract要約: 呼吸器系不全の早期予測は、呼吸器系不全のリスクを患者に警告する可能性がある。 本研究では,中等度/重度呼吸不全を事前に8時間まで予測する早期警報システムを提案する。
• 参考スコア（独自算出の注目度）: 1.8312530927511608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of respiratory failure is common among patients in intensive care units (ICU). Large data quantities from ICU patient monitoring systems make timely and comprehensive analysis by clinicians difficult but are ideal for automatic processing by machine learning algorithms. Early prediction of respiratory system failure could alert clinicians to patients at risk of respiratory failure and allow for early patient reassessment and treatment adjustment. We propose an early warning system that predicts moderate/severe respiratory failure up to 8 hours in advance. Our system was trained on HiRID-II, a data-set containing more than 60,000 admissions to a tertiary care ICU. An alarm is typically triggered several hours before the beginning of respiratory failure. Our system outperforms a clinical baseline mimicking traditional clinical decision-making based on pulse-oximetric oxygen saturation and the fraction of inspired oxygen. To provide model introspection and diagnostics, we developed an easy-to-use web browser-based system to explore model input data and predictions visually.
• Abstract（参考訳）: 集中治療室(ICU)では呼吸不全の発生が一般的である。 ICU患者モニタリングシステムからの膨大なデータ量は、臨床医によるタイムリーかつ包括的な分析を困難にしますが、機械学習アルゴリズムによる自動処理には理想的です。 呼吸障害の早期予測は、呼吸不全のリスクのある患者に臨床医に警告し、早期患者の再評価と治療調整を可能にする。 本研究では,中等度/重度呼吸不全を事前に8時間まで予測する早期警報システムを提案する。 当システムでは,第3次ICUへの6万回以上の入院を含むデータセットであるHIRID-IIをトレーニングした。 アラームは通常、呼吸不全の開始の数時間前に引き起こされる。 パルスオキシメトリー酸素飽和度とインスパイアされた酸素分画に基づいて,従来の臨床判断を模した臨床ベースラインを上回っている。 モデルイントロスペクションと診断のために,モデル入力データと予測を視覚的に探索するWebブラウザベースのシステムを開発した。

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)
• AIOSA: An approach to the automatic identification of obstructive sleep apnea events based on deep learning [1.5381930379183162]
  OSASは、死亡率の上昇、神経障害の悪化、リハビリテーション後の機能低下、高血圧の発症率の上昇と関連している。 OSAS診断のための金標準検査はPSG (Polysomnography) である。 生波形データの時間分解能を低減できる畳み込み型ディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-10T11:21:47Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Early ICU Mortality Prediction and Survival Analysis for Respiratory Failure [4.229085609275446]
  呼吸不全患者の早期死亡リスク予測のための動的モデリング手法を,最初の24時間ICU生理学的データに基づいて提案する。 ICU導入後5日目のAUROC高成績(80～83%)とAUCPR4%の有意な改善が得られた。
  論文  参考訳（メタデータ） (2021-09-06T06:03:23Z)
• A Multi-Modal Respiratory Disease Exacerbation Prediction Technique Based on a Spatio-Temporal Machine Learning Architecture [0.0]
  慢性閉塞性肺疾患や喘息などの慢性呼吸器疾患は深刻な健康危機である。 呼吸器症状の進行を評価する現在の方法は、主観的で不正確な、または複雑で面倒です。 本研究は、新しい時間的機械学習アーキテクチャに基づいて、PDなどの呼吸器疾患の悪化リスクを予測するためのマルチモーダルソリューションを提案する。
  論文  参考訳（メタデータ） (2021-03-03T05:24:53Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Multispectral Video Fusion for Non-contact Monitoring of Respiratory Rate and Apnea [7.300192965401497]
  呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。 本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。 本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
  論文  参考訳（メタデータ） (2020-04-21T09:07:09Z)

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。