基于机器学习应用于心电图遥测的持续呼吸率 determination
信号处理
2025-08-25 v1 计算机与社会
机器学习
摘要
呼吸率(RR)是临床监护住院患者的重要生命体征，RR的变化与临床状态的变化密切相关，导致不良事件。基于计数呼吸的RR人工标签已知不准确且耗时。自动RR监测已在部分患者上实施，通常是重症监护病房(ICUs)患者，但缺失于大多数驻院患者，这些患者仍面临临床恶化风险。本工作训练了一个神经网络(NN)从心电图(ECG)遥测波形中标记RR，因为像许多生物信号一样，ECG携带了呼吸变异的多个迹象。该NN在多个验证集上显示出高准确性(内部和外部，相同和不同来源的RR标签)，在最坏情况下，平均绝对误差小于1.78次/分钟(bpm)。该技术的临床实用性通过对两个患者队列的回顾性分析进行了展示，这些队列的患者经历了不良事件包括呼吸衰竭，显示持续RR监测可揭示与气管切开事件强烈相关的动态。本工作以结合现有遥测监测系统和人工智能(AI)提供准确、自动化和可扩展的患者监测为例，这为AI基于医院的早期警报系统(EWS)的建设奠定了基础。
引用
@article{arxiv.2508.15947,
title = {Continuous Determination of Respiratory Rate in Hospitalized Patients using Machine Learning Applied to Electrocardiogram Telemetry},
author = {Thomas Kite and Brian Ayers and Nicholas Houstis and Asishana A. Osho and Thoralf M. Sundt and Aaron D Aguirre},
journal= {arXiv preprint arXiv:2508.15947},
year = {2025}
}
备注
15 pages, 8 figures, 2 tables