論文の概要: Machine Learning for Mechanical Ventilation Control (Extended Abstract)

• arxiv url: http://arxiv.org/abs/2111.10434v1
• Date: Fri, 19 Nov 2021 20:54:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-26 07:44:50.895921
• Title: Machine Learning for Mechanical Ventilation Control (Extended Abstract)
• Title（参考訳）: 機械換気制御のための機械学習(拡張抽象)
• Authors: Daniel Suo, Cyril Zhang, Paula Gradu, Udaya Ghai, Xinyi Chen, Edgar Minasyan, Naman Agarwal, Karan Singh, Julienne LaChance, Tom Zajdel, Manuel Schottdorf, Daniel Cohen, Elad Hazan
• Abstract要約: 機械的換気はICUで最も広く用いられている治療法の1つである。 人工呼吸器は、所定の気道圧の軌跡に従って患者の肺に空気を注入しなければならない。 データ駆動型アプローチは、人工呼吸器から収集したデータに基づいて訓練されたシミュレーターをトレーニングすることで、侵襲的人工呼吸器を制御することを学ぶ。 この方法は、一般的な強化学習アルゴリズムより優れており、PIDよりも正確で堅牢な物理的換気装置も制御できる。
• 参考スコア（独自算出の注目度）: 52.65490904484772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mechanical ventilation is one of the most widely used therapies in the ICU. However, despite broad application from anaesthesia to COVID-related life support, many injurious challenges remain. We frame these as a control problem: ventilators must let air in and out of the patient's lungs according to a prescribed trajectory of airway pressure. Industry-standard controllers, based on the PID method, are neither optimal nor robust. Our data-driven approach learns to control an invasive ventilator by training on a simulator itself trained on data collected from the ventilator. This method outperforms popular reinforcement learning algorithms and even controls the physical ventilator more accurately and robustly than PID. These results underscore how effective data-driven methodologies can be for invasive ventilation and suggest that more general forms of ventilation (e.g., non-invasive, adaptive) may also be amenable.
• Abstract（参考訳）: 機械的換気はICUで最も広く用いられている治療法の1つである。 しかし、麻酔から新型コロナウイルス関連の生命維持への幅広い応用にもかかわらず、多くの有害な課題が残っている。 人工呼吸器は、所定の気道圧の軌跡に従って、患者の肺内および肺外への空気を通さなければならない。 PID法に基づく業界標準コントローラは最適でも堅牢でもない。 データ駆動型アプローチは、人工呼吸器から収集したデータに基づいて訓練されたシミュレーターをトレーニングすることで、侵襲的人工呼吸器を制御することを学ぶ。 この方法は、一般的な強化学習アルゴリズムより優れており、PIDよりも正確で堅牢な物理的換気装置も制御できる。 これらの結果は、データ駆動の方法論が侵襲的換気にいかに有効かを強調し、より一般的な換気形態(例えば、非侵襲的、適応的)も実現可能であることを示唆している。

関連論文リスト

• Optimal Control of Mechanical Ventilators with Learned Respiratory Dynamics [38.26324086792883]
  本稿では,急性呼吸障害症候群に対する人工呼吸器の使用経験を逐次的意思決定の課題として捉えた。 我々はARDSnetプロトコルに含まれる臨床ガイドラインに基づいてコントローラを実装し比較する。 確立されたARDSヘルスマーカーにおける測定値の改善点から,性能を評価する。
  論文  参考訳（メタデータ） (2024-11-12T17:51:45Z)
• 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)
• Optimizing Diffusion Models for Joint Trajectory Prediction and Controllable Generation [49.49868273653921]
  拡散モデルは、自律運転における共同軌道予測と制御可能な生成を約束する。 最適ガウス拡散(OGD)と推定クリーンマニフォールド(ECM)誘導を導入する。 提案手法は生成過程の合理化を図り,計算オーバーヘッドを低減した実用的な応用を実現する。
  論文  参考訳（メタデータ） (2024-08-01T17:59:59Z)
• Methodology for Interpretable Reinforcement Learning for Optimizing Mechanical Ventilation [2.3349787245442966]
  本稿では,機械的換気制御のための決定木を用いた強化学習手法を提案する。 MIMIC-IIIデータを用いたリアル患者の集中治療室の滞在状況に関する数値実験により,決定木方針が行動クローニング方針より優れていることが示された。
  論文  参考訳（メタデータ） (2024-04-03T23:07:24Z)
• Unsupervised Discovery of Interpretable Directions in h-space of Pre-trained Diffusion Models [63.1637853118899]
  本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。 我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。 それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
  論文  参考訳（メタデータ） (2023-10-15T18:44:30Z)
• Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
  モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。 本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。 呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
  論文  参考訳（メタデータ） (2023-05-10T07:05:43Z)
• Machine Learning for Mechanical Ventilation Control [52.65490904484772]
  圧制御換気における侵襲的機械式換気装置の制御の問題点を考察する。 PIDコントローラは、臨床医が指定する気道圧の軌跡に従って、鎮静患者の肺の空気を入出させる必要があります。 制御器は、PID制御器よりも目標圧力波形をかなりよく追跡できることを示す。
  論文  参考訳（メタデータ） (2021-02-12T21:23:33Z)
• Airflow recovery from thoracic and abdominal movements using Synchrosqueezing Transform and Locally Stationary Gaussian Process Regression [6.496038875667294]
  本稿では, 非線形型時間周波数解析ツールであるシンクロスキューズ変換を用いて, 胸部, 腹部の運動信号を特徴として表現することを提案する。 正常な睡眠条件下での呼吸信号を含むデータセットを用いて,提案したモデルを特徴空間に適合させることで,正確な予測が可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-11T01:37:38Z)

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。