Nov, 2023

可穿戴传感器在重症监护病房中评估患者重要性的潜力

PDF
TL;DR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。
acuity assessmentsartificial intelligencewearable sensor datamobility dataai-driven acuity assessment score
发现论文，激发创造
  • 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

  • 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

  • 利用可穿戴心电图和加速度传感器实现跌倒检测的智能应用

    本研究使用多个应用组件来研究坠落检测系统的开发挑战和选择，并提供未来研究材料。该系统使用加速度计和 ECG 传感器进行测试，并通过 ResNet152 模型在标准化和洗牌数据集上取得了最佳表现，实现了 92.8% 的 AUC，87.28% 的灵敏度和 98.33% 的特异度。

    Jun, 2022

  • 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

  • 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

  • DeepSOFA：使用临床可解释的深度学习对危重病患者进行连续生理状态评分

    提出了一种新的 Acuity 评分架构：DeepSOFA，使用可解释的深度学习模型和时间测量来评估 ICU 逗留期间的疾病严重程度和预测住院病死率，相比于基线模型 SOFA，DeepSOFA 具有更高的准确性，有助于及早发现 ICU 患者的生命危险，并在治疗策略和资源利用方面提供决策参考。

    Feb, 2018

  • 利用可穿戴感应器进行人类活动识别：综述、挑战和评估基准

    本文通过文献综述，使用六种公开数据集，采用标准化评估标准对最先进的人类活动识别技术进行比较，提出了一种改进的混合手工特征和神经网络架构的方法，优于先前的技术，并证明标准化评估是必要的。

    Jan, 2021

  • 在重症监护室使用多尺度视觉变压器，从低分辨率热视频预测护理活动评分

    使用 Multiscale Vision Transformer（MViTv2）来 passively 预测 Intensive Care Unit（ICU）中的 Nursing Activities Score（NAS），以自动监控员工工作量。通过分析低分辨率的热成像视频记录，MViTv2 模型以直接和间接的方式预测 NAS，并在预测 NAS 方面表现出较高的准确性。

    May, 2024

  • 利用可穿戴设备的机器学习模型自主识别认知能力较弱的老年人

    穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

    Aug, 2023

  • 可解释的人工智能模型预测电子健康记录中的急性重症

    本文提出了一个可解释人工智能早期预警评分系统（xAI-EWS），可帮助早期检测急性危重病。该系统通过相关电子健康记录数据说明预测结果，提高临床应用价值。

    Dec, 2019