基于混合生成模型与肺模型的呼吸机失谐波形合成
信号处理
2025-05-23 v1
摘要
呼吸机失谐 (VD) 常被描述为患者呼吸努力与呼吸机支持之间的不匹配。这种不匹配常与增加肺部损伤风险和延长住院时间相关联。手动 VD 检测方法不可靠，需要医疗专业人员付出大量努力。自动化此过程需要能够从连续波形信号中识别 VD 呼吸的计算管道。尽管已提出各种机器学习 (ML) 模型，但其准确率常受限于缺乏大型、标注良好的 VD 波形数据集。本文提出了一种新方法，将数学模型和深度生成模型相结合，用于生成合成、临床相关的 VD 波形。我们的数学模型，称为 VD 肺呼吸机模型 (VDLV)，能够准确复制临床可观察的压力和容积波形变形。这些时序变形 Hypothesis 与特定 VD 呼吸相关联。我们利用 VDLV 模型生成覆盖正常和各种 VD 呼吸的训练波形数据集，并通过生成对抗网络 (GAN) 和条件 GAN (cGAN) 等深度学习模型进一步多样化这些数据集。通过定量指标评估了 GAN 和 cGAN 模型的性能，结果表明这种混合方法有效地创建了真实且多样的 VD 波形。值得注意的是，压力和容积 cGAN 模型能够生成更精确、更具针对性的 VD 信号。这些改进的合成波形数据集有望显著提升 VD 检测算法的准确率和鲁棒性。
引用
@article{arxiv.2505.16462,
title = {Synthesis of Ventilator Dyssynchrony Waveforms using a Hybrid Generative Model and a Lung Model},
author = {Sagar Deep Deb and Suvakash Dey and Deepak K. Agrawal},
journal= {arXiv preprint arXiv:2505.16462},
year = {2025}
}