Automatic detection of distorted plethysmogram pulses in neonates and paediatric patients using an adaptive-network-based fuzzy inference system
Article Ecrit par: Belal, Suliman Yousef ; Fouad, Azzam ; Taktak, George ; Nevill, Andrew John ; Spencer, Stephen Andrew ; Roden, David ; Bevan, Sharon ;
Résumé: Malgré le fait que l'impulsion oximetry est devenue une technologie essentielle dans la surveillance respiratoire des nouveau-nés et des patients pédiatriques, elle est encore chargée des objets façonnés causant les alarmes fausses résultant du patient ou du mouvement de sonde. Car la forme du plethysmogram a été toujours considérée comme indicateur visuel utile de déterminer la fiabilité des lectures SaO2 numériques, l'automatisation de cette observation pourrait bénéficier des fournisseurs de santé au chevet. Nous avons observé que le temps systolique d'ascension (T1), le temps diastolique (T2) et la fréquence cardiaque (heure) extraite à partir de l'impulsion de plethysmogram constituent les dispositifs, qui peuvent être utilisés pour détecter des impulsions normales et tordues de plethysmogram. Nous avons développé une technique pour classifier des impulsions de plethysmogram dans deux catégories: valide et objet façonné par l'intermédiaire des réalisations des systèmes brouillés d'inférence (FIS), qui ont été accordés en utilisant une analyse brouillée adaptatif-réseau-adaptive-network-based de courbes du système d'inférence (ANFIS) et des caractéristiques de fonctionnement de récepteur (ROC). Des dispositifs extraits à partir d'un total de 22.497 formes d'onde d'impulsion obtenues à partir de 13 patients ont été employés pour optimaliser systématiquement le FIS. Des 2843 formes d'onde plus encore obtenues à partir d'encore huit patients ont été utilisées pour tester le système, et visuellement classifié dans 1635 (58%) valides et 1208 (42%) a tordu des segments. Pour le système optimum, la zone sous la courbe de ROC était 0,92. Le système pouvait classifier 1418 (87%) segments valides et 897 (74%) ont tordu des segments correctement. Les calculs de l'exécution du système ont montré la sensibilité 87%, l'exactitude 81% et la spécificité 74%. En comparaison de la méthode thresholding de l'intervalle de la confiance 95% (ci), le système brouillé a montré une spécificité plus élevée (P=0.008, P<0.01), et aucune différence significative n'a été trouvée entre les deux méthodes en termes de sensibilité (P=0.720, P>0.05) et exactitude (P=0.053, P>0.05). Nous concluons donc que l'algorithme utilisé dans ce système offre des quelques possibilités intéressantes en détectant l'impulsion valide et tordue de plethysmogram. Cependant, davantage d'évaluation est nécessaire en utilisant de plus grands groupes patients.
Langue:
Anglais