基于深度序列学习的主动脉压力预测
机器学习
2020-10-20 v3 计算机与社会
机器学习
摘要
平均主动脉压（MAP）是所有器官系统灌注的主要决定因素。预测 MAP 的能力将增强医生评估患者预后的能力，并有助于血流动力学不稳定的早期检测。然而，预测 MAP 具有挑战性，因为血压（BP）时间序列含有噪声且可能高度非平稳。本研究的目的是提前五分钟预测平均主动脉压，以前五分钟的 25 Hz 时间序列数据作为输入。我们提供了不同深度学习模型用于 BP 预测的基准研究。我们研究了一种左心室置入的跨瓣微轴流装置 Impella，用于接受高风险经皮介入的患者。Impella 提供血流动力学支持，从而有助于原生心脏功能恢复。它还配备压力传感器以在源头而非外周捕获高频 MAP 测量值。我们的数据集与临床应用在 BP 预测领域是新颖的。我们对具有上升、下降和平稳趋势的时间序列进行了全面研究。实验表明，具有 Legendre 记忆单元的循环神经网络以 1.8 mmHg 的总体预测误差取得了最佳性能。
引用
@article{arxiv.2005.05502,
title = {Aortic Pressure Forecasting with Deep Sequence Learning},
author = {Eliza Huang and Rui Wang and Uma Chandrasekaran and Rose Yu},
journal= {arXiv preprint arXiv:2005.05502},
year = {2020}
}