SHIP: A Shapelet-based Approach for Interpretable Patient-Ventilator Asynchrony Detection
作者: Xuan-May Le, Ling Luo, Uwe Aickelin, Minh-Tuan Tran, David Berlowitz, Mark Howard
发布时间: 2025-03-11
来源: arxiv
研究方向: 医疗数据挖掘，患者-呼吸机异步检测
主要内容
该研究提出了一种基于形状子序列的PVA检测方法（SHIP），用于检测机械通气过程中的患者-呼吸机异步事件。通过使用形状子序列来增强检测准确性和可解释性，并解决数据不平衡问题。
主要贡献
1. 提出了一种基于形状子序列的可解释PVA检测方法（SHIP），提高了PVA检测的准确性和可解释性。
2. 引入了基于形状子序列的数据增强方法来解决数据不平衡问题。
3. 在医疗数据集上进行了实验，证明了SHIP在PVA检测中的有效性。
4. 证明了使用仅两个通道（Pmask和Flow）也能获得与使用四个通道相当的结果。
研究方法
1. 使用形状子序列进行数据增强
2. 构建形状子序列池
3. 将形状子序列特征与统计特征结合
4. 使用分类器识别PVA事件
实验结果
实验结果表明，与基线模型相比，SHIP在PVA检测方面具有更高的准确性和可解释性。使用两个通道（Pmask和Flow）时，SHIP的性能与使用四个通道相当。
未来工作
将SHIP集成到实时监测系统中，以进行动态检测和干预。