Mar, 2023

AI 增强的重症监护室：通过普适感应技术改变患者护理

PDF
TL;DR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。
intensive care unitmonitoringartificial intelligencesensingassessment
发现论文，激发创造
  • 在重症监护室中检测视觉线索及其与患者临床状况的关联

    通过分析面部行为单元和视觉线索，利用人工智能技术提供更客观、细粒度的重症监护环境中患者的评估和监测能力。

    Nov, 2023

  • 在重症监护室 (ICU) 利用计算机视觉研究探讨探视和患者移动

    利用计算机视觉系统监测重症监护病房患者的可行性和潜力。

    Mar, 2024

  • 可穿戴传感器在重症监护病房中评估患者重要性的潜力

    通过结合可穿戴传感器数据和电子健康记录，利用人工智能技术开发的新的病情评估得分模型可以成功区分危重病患者的稳定和不稳定状态。

    Nov, 2023

  • 面部 AU 检测的端到端机器学习框架在重症监护室中的应用

    本文介绍了一种基于视觉变换器模型的端到端面部行为分析实时检测方法，评估了两种视觉变换器模型（ViT 和 SWIN）在 Pain-ICU 数据集上的 AU 检测能力，并证明了 SWIN transformer Base variant 可以实现 0.88 F1-score 和 0.85 准确度的 AU 检测。

    Nov, 2022

  • APRICOT: ICU 中的敏感度预测：预测稳定性，转变和维持生命的治疗措施

    通过 APRICOT 模型基于 Transformer 的神经网络可以实时预测 ICU 患者的病情，包括预测生命维持疗法的需求，为临床医生提供及时干预的重要信息。

    Nov, 2023

  • 邻域对比学习在在线患者监测中的应用

    本文介绍了一种名为邻域对比学习（NCL）的对比学习方法，该方法采用时序数据增强技术，可用于对 ICU 中的患者进行在线监测，与现有方法相比可显著提高预测精度。

    Jun, 2021

  • RAIM: 多模态患者监测数据的循环关注和强化模型

    本研究提出 Recurrent Attentive and Intensive Model (RAIM) 模型，利用连续监测数据与离散临床事件来预测 ICU 病人的生理恶化和住院天数，在 MIMIC-III Waveform Database Matched Subset 上，模型的 AUC-ROC 得分为 90.18％，准确率为 86.82％，表现优于六个基准模型。

    Jul, 2018

  • 知识图谱表示用于强化重症监护时间序列预测

    通过将医学领域的知识图谱与重症监护病房的数据进行整合，结合重要体征和临床报告，提高临床决策建模的性能，特别是在数据缺失时。同时包括一个可解释性组件，以了解知识图谱节点对预测的影响。

    Nov, 2023

  • 新生儿重症监护室与人工智能的过去、现在和未来

    本文系统评估了人工智能及深度学习在新生儿学中的应用，包括算法开发和挑战，并总结了 96 篇文章的优缺点和可能的新模型方向，提出了将人工智能整合到新生儿重症监护中的路线图。

    Feb, 2023

  • 隐私保护的视频物体检测用于重症监护病房的患者监控

    本文提出了一种新方法，利用视频帧的时间连续性，通过重新分配图像色彩通道来改善病人监测中出现的假象对监测数据的影响，从而实现病人监测的自动化和信息化。

    Jun, 2023