Jan, 2023

利用人工智能进行远程患者监测：现状、应用和挑战

PDF
TL;DR人工智能在远程健康监测领域的研发方面与物联网设备集成，能够提供更为便捷的方案，以监测老年人及患有慢性或急性疾病患者的健康，进行病患个性化医疗监控和行为模式分析，并能够通过广泛使用的增强学习技术和群体学习技术，提早预测患者的健康状况及早发现患病风险。
发现论文，激发创造
  • 智能 RPM 用于心理健康设施

    本文介绍了一种基于 RFID 技术和 AI 的远程病人监护系统框架，可以从接受治疗的患者中检索重要数据以预测病人未来 3 小时内的生命体征。通过监控病人实时数据的变化，医生们能够进行医疗干预并及时避免不可预见的医疗风险。

    Jan, 2023

  • RPM3D 项目：远程患者监测的三维运动学

    该研究探讨了基于智能手表捕获的 3D 动作分析的远程患者监护可能性，该研究基于快速人类运动的运动学理论，在古特曼神经康复医院进行了实验验证，并显示出有前途的结果。该技术可能在远程医疗应用中发挥重要作用，提高医疗效率，降低医疗成本，未来将进一步在临床验证、多模式分析体系结构以及监测其他神经退行性疾病的应用方面探索。

    Dec, 2022

  • FedStack：使用堆叠联邦学习进行个性化活动监测

    本研究提出了一种名为 FedStack 的分散式联邦学习架构，支持广泛的异构架构客户机模型，提高远程病人监测的性能并保护病人的隐私；通过在移动健康传感器基准数据集上应用该架构进行实验，证明了其在分类 12 种常规活动方面的性能优于其他相似架构，并为建立客户隐私的增强型远程病人监测系统奠定了基础。

    Sep, 2022

  • 基于多智能体深度强化学习的 AI 驱动病人监测

    通过使用多智能体深度强化学习 (DRL) 的人工智能驱动的患者监控框架，我们提出了一个有效的患者监测系统，在处理复杂、动态的环境和波动的生命体征方面具有很大优势。我们的实验结果证明了该框架在监测患者生命体征方面的准确性优于传统模型，并通过超参数优化来提升学习过程，使其能够适应多样的患者情况和实时做出决策。

    Sep, 2023

  • 个性化医疗中数据处理和利用的人工智能方法

    本文主要介绍了人工智能技术在医学领域中的应用，即基于大数据和机器学习的个性化医疗决策支持，以提供更好的医疗健康支持服务。

    Jul, 2022

  • AI 增强的重症监护室：通过普适感应技术改变患者护理

    本文介绍了我们开发的具有智能化监测和视觉评估功能的 Intelligent Intensive Care Unit (I2CU) 系统结构，该系统使用感知和数据处理，从多个模式收集数据，包括深度图像、颜色 RGB 图像、加速度计、肌电图、声压和光强度，用于连续和细粒度的重症监护和评估。

    Mar, 2023

  • 人工智能监控系统的设计与实施：放射学自主 AI 监测系统的新时代

    我们提出了一种通过预警来监测医学成像 AI 分类模型性能变化的方法，该方法采用预测分歧度和时间稳定性这两个指标，通过使用 KL 散度和 JS 散度来评估模型准确性，并通过与历史移动平均值进行对比，检测模型退化或数据漂移，实验证明其在维护 AI 的可靠性方面有效。

    Nov, 2023

  • 通过遥测穿戴设备和智能手机数据开发的数字生物标志物洞察疾病

    数字生物标志物和远程患者监测可以为传统医疗环境中的治疗提供有价值且及时的信息。我们构建了一个开源平台 RADAR-base，支持远程监测研究中的大规模数据收集，从而通过收集的长期纵向数据开发可靠的数字生物标志物，为不同疾病提供有用的洞察。

    Aug, 2023

  • 基于多数据源集成的健康远程监控平台

    本研究提出了一种远程监护平台，通过机器学习算法处理患者从不同消费移动设备和定制设备获取的生理健康参数，并为患者和医生提供易于理解和综合的面板。

    Jul, 2022

  • 系统评估 AI/ML 辅助连接的医疗系统的安全风险

    通过案例研究，我们展示了对一种机器学习血糖监测系统进行攻击的方法，并指出这种使用机器学习的医疗系统存在的安全风险需要采用新的风险分析方法进行评估。

    Jan, 2024