基于深度循环模型从电阻抗断层成像推断呼吸与循环参数
图像与视频处理
2020-10-20 v1 机器学习
信号处理
摘要
电阻抗断层成像（EIT）是一种无创成像方式，可连续评估不同器官区域生物阻抗的变化。其最常见的生物医学应用之一是在重症监护病房监测危重患者的区域通气分布。本工作中，我们提出一项原理验证研究，展示如何使用以端到端方式训练的深学习模型，从 EIT 图像序列同步重建同步测量的呼吸或循环参数。我们证明，仅从 EIT 信号即可准确推断绝对容积、绝对流量、归一化气道压，且在特定限制下甚至归一化动脉血压，且能泛化至未见患者而无需预先校准。作为具有直接临床相关性的展望，我们进一步证明从 EIT 与绝对气道压组合重建绝对跨肺压的可行性，以此潜在替代食管压的有创测量。我们希望通过这些结果促进基于本工作所提框架的进一步研究。
引用
@article{arxiv.2010.09622,
title = {Inferring respiratory and circulatory parameters from electrical impedance tomography with deep recurrent models},
author = {Nils Strodthoff and Claas Strodthoff and Tobias Becher and Norbert Weiler and Inéz Frerichs},
journal= {arXiv preprint arXiv:2010.09622},
year = {2020}
}
备注
6 pages, 3 figures