面向早期预测骨科假性肌肉血压的混合多因素网络与动态序列建模
机器学习
2025-09-26 v4 机器人学
摘要
骨科假性肌肉血压(IOH)的预测对于及时发现组织灌注不足至关重要，因为IOH可能导致严重并发症和死亡率显著增加。然而，当前方法通常依赖静态建模，忽略了生理信号中复杂的时间依赖性以及固有的非平稳性。我们提出了一种混合多因素(HMF)网络，将IOH预测建模为动态序列预测任务，显式地捕获时间依赖性和生理非平稳性。我们将信号动态表示为多变量时间序列，并分解为趋势和季节性分量，以分别建模长期和周期性变化。每个分量都使用基于补丁的Transformer进行编码，以平衡计算效率和特征表示。为了解决因演化信号引起的分布漂移，我们引入对称归一化机制。在公开数据集和真实临床数据集上的实验表明，HMF显著优于竞争性基线方法。我们希望HMF为IOH预测提供新的见解，从而最终促进更安全的手术护理。我们的代码已公开于https://github.com/Mingyue-Cheng/HMF。
关键词
引用
@article{arxiv.2409.11064,
title = {A Hybrid Multi-Factor Network with Dynamic Sequence Modeling for Early Warning of Intraoperative Hypotension},
author = {Mingyue Cheng and Jintao Zhang and Zhiding Liu and Chunli Liu},
journal= {arXiv preprint arXiv:2409.11064},
year = {2025}
}