کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5925983 1167332 2013 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Forecasting respiratory collapse: Theory and practice for averting life-threatening infant apneas
ترجمه فارسی عنوان
پیش بینی سقوط تنفسی: نظریه و تمرین برای جلوگیری از آپنه های نوزاد تهدید کننده زندگی
کلمات کلیدی
آپنه نوزاد مدلسازی آماری، کنترل تنفسی، دستگاه های نظارت، پردازش سیگنال، فراگیری ماشین، رزونانس تصادفی،
ترجمه چکیده
آپنه پیش از زایمان یک اختلال رایج در کنترل تنفس در نوزادان نارس است که عواقب بالقوه جدی ناشی از آن در ایجاد نوزادان دارد. ما توانایی برای به طور خودکار ارزیابی خطر آپنه را بررسی و پیش بینی قسمت آپنه از اندازه گیری های فیزیولوژیکی چندجملهای را بررسی می کنیم و برای استفاده از این دانش برای ارائه مداخله درمانی مداوم. ما همچنین سایر دامنه های بالینی مشابه ارزیابی و پیشگیری از اختلالات تنفسی را در امید به دست آوردن بینش های مفید بررسی می کنیم. ما یک چارچوب الگوریتمی برای ساخت بردارهای ویژگی های تشخیصی از اندازه گیری های فیزیولوژیکی و برای ساخت مدل های آماری قوی و موثر برای ارزیابی و پیش بینی آپنه ارائه می دهیم.
موضوعات مرتبط
علوم زیستی و بیوفناوری بیوشیمی، ژنتیک و زیست شناسی مولکولی فیزیولوژی
چکیده انگلیسی
Apnea of prematurity is a common disorder of respiratory control among preterm infants, with potentially serious adverse consequences on infant development. We review the capability for automatically assessing apnea risk and predicting apnea episodes from multimodal physiological measurements, and for using this knowledge to provide timely therapeutic intervention. We also review other, similar clinical domains of respiratory distress assessment and prediction in the hope of gaining useful insights. We propose an algorithmic framework for constructing discriminative feature vectors from physiological measurements, and for building robust and effective statistical models for apnea assessment and prediction.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Respiratory Physiology & Neurobiology - Volume 189, Issue 2, 1 November 2013, Pages 223-231
نویسندگان
, , ,