用于机械通气控制的机器学习
机器学习
2022-01-19 v4
摘要
我们考虑控制侵入式机械通气机进行压力控制通气的问题:控制器必须根据临床医生指定的气道压力轨迹,让空气进出镇静患者的肺部。手工调参的 PID 控制器及类似变体数十年来一直是行业标准,但可能因超出或未达到目标或快速振荡而表现不佳。我们考虑一种数据驱动的机器学习方法:首先,基于从人工肺收集的数据训练模拟器;然后,在这些模拟器上训练深度神经网络控制器。我们表明,我们的控制器能够比 PID 控制器显著更好地跟踪目标压力波形。我们进一步表明,与 PID 控制器相比,学习到的控制器更容易泛化到具有不同特性的肺部。
引用
@article{arxiv.2102.06779,
title = {Machine Learning for Mechanical Ventilation Control},
author = {Daniel Suo and Naman Agarwal and Wenhan Xia and Xinyi Chen and Udaya Ghai and Alexander Yu and Paula Gradu and Karan Singh and Cyril Zhang and Edgar Minasyan and Julienne LaChance and Tom Zajdel and Manuel Schottdorf and Daniel Cohen and Elad Hazan},
journal= {arXiv preprint arXiv:2102.06779},
year = {2022}
}