基于智能设备的非接触式心脏骤停检测
计算机与社会
2019-03-01 v2
摘要
院外心脏骤停（OHCA）是全球范围内的主要死因。快速诊断并启动心肺复苏（CPR）是心脏骤停受害者治疗的基石。然而，相当大比例的心脏骤停受害者没有存活机会，因为他们经历了无人目击的事件，通常发生在自家私密空间中。濒死呼吸作为一种可听见的生物标志物和脑干反射，在严重缺氧情况下出现，是心脏骤停中一个未被充分重视的诊断要素。在此，我们展示支持向量机（SVM）能够在卧室环境中实时分类濒死呼吸实例。利用真实世界标注的心脏骤停 9-1-1 音频，我们训练 SVM 以准确分类濒死呼吸实例。我们获得的曲线下面积（AUC）为 0.998，操作点处总体灵敏度和特异度分别为 97.03%（95% CI：96.62–97.41%）和 98.20%（95% CI：97.87–98.49%）。在包含打鼾、低通气、中枢性与阻塞性睡眠呼吸暂停事件的 82 小时（117,895 个音频段）多导睡眠图睡眠实验室数据中，我们实现了 0%–0.10% 的假阳性率。我们展示了非接触式系统在识别真实世界心脏骤停相关濒死呼吸实例方面的有效性，并使用商用智能设备（Amazon Echo 和 Apple iPhone）成功评估了我们的分类器。
引用
@article{arxiv.1902.00062,
title = {Contactless Cardiac Arrest Detection Using Smart Devices},
author = {Justin Chan and Thomas Rea and Shyamnath Gollakota and Jacob E. Sunshine},
journal= {arXiv preprint arXiv:1902.00062},
year = {2019}
}