基于机器学习方法的 ICU 环境下降低虚性心动过速错误报警
机器学习
2025-03-20 v1 人工智能
摘要
ICU环境中的虚性心动过速（VT）报警是重要的临床挑战，导致警报疲劳并可能危及患者安全。VT报警尤其难以准确检测，因为其本质较为复杂。本文提出一种基于机器学习的方法，用于减少虚性VT报警，采用来自ICU监护仪标注的VTaC数据集。我们从波形数据中提取时域和频域特征，进行数据预处理，并训练深度学习模型以分类真实VT报警和虚性报警。我们的结果显示，在各种训练配置下，ROC-AUC分数均超过0.96。这一工作凸显了机器学习在临床环境中提高VT报警检测准确性的潜力。
引用
@article{arxiv.2503.14621,
title = {Reducing False Ventricular Tachycardia Alarms in ICU Settings: A Machine Learning Approach},
author = {Grace Funmilayo Farayola and Akinyemi Sadeeq Akintola and Oluwole Fagbohun and Chukwuka Michael Oforgu and Bisola Faith Kayode and Christian Chimezie and Temitope Kadri and Abiola Oludotun and Nelson Ogbeide and Mgbame Michael and Adeseye Ifaturoti and Toyese Oloyede},
journal= {arXiv preprint arXiv:2503.14621},
year = {2025}
}
备注
Preprint, Accepted to the International Conference on Machine Learning Technologies (ICMLT 2025), Helsinki, Finland