一种用于连续内手术低血压预测的自适应频域网络
机器学习
2025-09-30 v1
摘要
内手术低血压 (IOH) 与术后并发症（包括术后意识障碍和死亡率增加）密切相关，使得及早预测在围手术期护理中至关重要。虽然已develop 了多个人工智能模型来提供 IOH 警报，但现有方法在同时整合时间域和频域信息、捕捉短期和长期依赖关系方面存在局限，同时对生物信号数据的噪声敏感性也较大。为此，我们提出一种新型自适应频域网络 (SAFDNet)。具体而言，SAFDNet 集成了一个自适应频谱模块，该模块利用傅里叶分析提取频域特征，并采用自适应阈值技术来减缓噪声。此外，我们引入了交互式注意力模块，以捕捉数据中的长期和短期依赖关系。在两个大型真实世界数据集上的广泛内部和外部验证表明，SAFDNet 在 IOH 早期警报方面实现了最高达 97.3% 的 AUROC，超越了最先进的模型。此外，SAFDNet 表现出稳健的预测性能，对噪声不敏感，非常适用于实际临床应用。
引用
@article{arxiv.2509.23720,
title = {A Self-Adaptive Frequency Domain Network for Continuous Intraoperative Hypotension Prediction},
author = {Xian Zeng and Tianze Xu and Kai Yang and Jie Sun and Youran Wang and Jun Xu and Mucheng Ren},
journal= {arXiv preprint arXiv:2509.23720},
year = {2025}
}
备注
Accepted at ECAI 2025 main conference