基于体积描记成像与光照参数的每分钟通气量测量

睡眠呼吸暂停等呼吸障碍是一种 critical 障碍，由于肺容纳/交换氧气和二氧化碳以确保身体处于稳定稳态的能力不足，影响大量个体。诸如每分钟通气量等呼吸测量可与心率和心率变异性等其他生理测量相关联，用于远程健康监测并检测此类呼吸相关障碍的症状。在这项工作中，我们 formulate 一种基于深度学习的方法，在私有数据集上测量远程通气。该数据集将在本工作被接受后公开。我们使用两个版本的深度神经网络，从通过可穿戴心率和呼吸设备获得的数据流估计每分钟通气量。我们证明我们流程的简单设计——包括轻量级深度神经网络——可以轻松集成到实时健康监测系统中。