論文の概要: Non-invasive Waveform Analysis for Emergency Triage via Simulated Hemorrhage: An Experimental Study using Novel Dynamic Lower Body Negative Pressure Model

• arxiv url: http://arxiv.org/abs/2303.06064v1
• Date: Wed, 1 Mar 2023 12:37:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-19 11:57:46.828508
• Title: Non-invasive Waveform Analysis for Emergency Triage via Simulated Hemorrhage: An Experimental Study using Novel Dynamic Lower Body Negative Pressure Model
• Title（参考訳）: 模擬出血による急性三肢の非侵襲的波形解析:新しい動的下肢負圧モデルを用いた実験的研究
• Authors: Naimahmed Nesaragi, Lars {\O}ivind H{\o}iseth, Hemin Ali Qadir, Leiv Arne Rosseland, Per Steinar Halvorsen, Ilangko Balasingham
• Abstract要約: 本研究では,現在進行中の低ボロン血症のレベルを分類するために,ディープラーニング(DL)フレームワークの識別能力について検討した。 従来のモデルとは対照的に,動的LBNPプロトコルを用い,LBNPを段階的に段階的に段階的に段階的に適用した。 基礎となる非侵襲的な信号とラベリングセグメントを対応するLBNPターゲットレベルにセグメント化することにより,3次分類のためのDLベースのフレームワークを実現した。
• 参考スコア（独自算出の注目度）: 3.0180851707924243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The extent to which advanced waveform analysis of non-invasive physiological signals can diagnose levels of hypovolemia remains insufficiently explored. The present study explores the discriminative ability of a deep learning (DL) framework to classify levels of ongoing hypovolemia, simulated via novel dynamic lower body negative pressure (LBNP) model among healthy volunteers. We used a dynamic LBNP protocol as opposed to the traditional model, where LBNP is applied in a predictable step-wise, progressively descending manner. This dynamic LBNP version assists in circumventing the problem posed in terms of time dependency, as in real-life pre-hospital settings, intravascular blood volume may fluctuate due to volume resuscitation. A supervised DL-based framework for ternary classification was realized by segmenting the underlying noninvasive signal and labeling segments with corresponding LBNP target levels. The proposed DL model with two inputs was trained with respective time-frequency representations extracted on waveform segments to classify each of them into blood volume loss: Class 1 (mild); Class 2 (moderate); or Class 3 (severe). At the outset, the latent space derived at the end of the DL model via late fusion among both inputs assists in enhanced classification performance. When evaluated in a 3-fold cross-validation setup with stratified subjects, the experimental findings demonstrated PPG to be a potential surrogate for variations in blood volume with average classification performance, AUROC: 0.8861, AUPRC: 0.8141, $F1$-score:72.16%, Sensitivity:79.06 %, and Specificity:89.21 %. Our proposed DL algorithm on PPG signal demonstrates the possibility of capturing the complex interplay in physiological responses related to both bleeding and fluid resuscitation using this challenging LBNP setup.
• Abstract（参考訳）: 非侵襲的生理的信号の波形解析が低電圧血症のレベルを診断できる程度は、まだ十分に研究されていない。 本研究は, 健常者を対象に, 動的下半身負圧(lbnp)モデルを用いてシミュレーションした, 進行中の低ボローム血症のレベルを分類する深層学習(dl)フレームワークの判別能力について検討した。 従来のモデルとは対照的に動的LBNPプロトコルを用い,LBNPを段階的に段階的に段階的に段階的に適用した。 この動的LBNPバージョンは、実生活における先天的な設定のように、時間依存性の観点から生じる問題を回避するのに役立ち、血管内血流量は容積の蘇生によって変動する可能性がある。 基礎となる非侵襲的な信号とラベリングセグメントを対応するLBNPターゲットレベルに分割することにより,3次分類のためのDLベースのフレームワークを実現した。 2つの入力を持つDLモデルは、波形セグメントから抽出した時間周波数表現を用いて訓練し、それぞれを1級(ミルド)、2級(モーデレート)、および3級(重症度)に分類した。 当初、両方の入力間の遅延融合によってdlモデルの終わりに導かれる潜在空間は、分類性能の向上に寄与する。 成層化被験者と3倍のクロスバリデーション設定で評価すると,ppgは平均的な分類性能を持つ血液量の変化,auroc: 0.8861, auprc: 0.8141, $f1$-score:72.16%, sensitivity:79.06 %,specificity:89.21 %の可能性が示された。 PPG信号上のDLアルゴリズムは,この難解なLBNPセットアップを用いて,出血と流体蘇生の両方に関連する生理的反応の複雑な相互作用を捉える可能性を示した。

関連論文リスト

• Cuff-less Arterial Blood Pressure Waveform Synthesis from Single-site PPG using Transformer & Frequency-domain Learning [1.0591656257413806]
  動脈血圧(ABP)波形に対する2つの新しい目的構築型深層学習モデルを提案する。 UCIデータセットをカフレス血圧(CLBP)に応用し,DLモデルのトレーニングと評価を行った。
  論文  参考訳（メタデータ） (2024-01-09T17:12:37Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• 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)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall [9.924271375096547]
  三次元幾何学的動脈モデルによる壁面上のベクトル値量の推定について検討する。 冠状動脈の大規模データセットを用いて実験を行い, 方向性壁せん断応力 (WSS) を近似誤差7.6%で推定した。 本手法は, 経時的, ベクトル値のWSSを, 異なる流れ境界条件下で正確に予測できるほど強力であることを示す。
  論文  参考訳（メタデータ） (2022-12-09T18:16:06Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Enhancement on Model Interpretability and Sleep Stage Scoring Performance with A Novel Pipeline Based on Deep Neural Network [4.296506281243336]
  本稿では,アメリカ睡眠医学会の定義に従い,脳波(EEG)の表現学習のための時間周波数フレームワークを提案する。 入力された脳波スペクトログラムは、時間と周波数軸の一連のパッチに分割され、さらに表現学習を行うための繊細な深層学習ネットワークに入力される。 提案したパイプラインは、大規模なデータベース、すなわちSleep Heart Health Study (SHHS)に対して検証され、その結果、ウェイク、N2、N3ステージの競合性能が最先端の作業より優れていることが示された。
  論文  参考訳（メタデータ） (2022-04-07T02:48:13Z)
• 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)
• A Novel Clustering-Based Algorithm for Continuous and Non-invasive Cuff-Less Blood Pressure Estimation [0.0]
  心電図(ECG)信号と動脈血圧(ABP)データから抽出した特徴に基づく血圧推定法を開発した。 クラスタリング手法を適用して, モデル作成の精度を高く評価し, 比較した。 以上の結果から,SBP (Systolic Blood Pressure) とDBP (Distolic Blood Pressure) の精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-10-13T19:16:10Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Estimating Blood Pressure from Photoplethysmogram Signal and Demographic Features using Machine Learning Techniques [0.0]
  高血圧は潜在的に安全でない健康障害であり、血圧(BP)から直接示すことができる BPの連続的なモニタリングは非常に重要であるが、BP測定は離散的であり、ユーザにとって不快である。 このニーズに対処するために、カフレス、連続、非侵襲的なBP測定システムを提案する。
  論文  参考訳（メタデータ） (2020-05-07T09:45:02Z)

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。