Segmentation and classification of capnograms: application in respiratory variability analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Variability analysis of respiratory waveforms has been shown to provide key insights into respiratory physiology and has been used successfully to predict clinical outcomes. The current standard for quality assessment of the capnogram signal relies on a visual analysis performed by an expert in order to identify waveform artifacts. Automated processing of capnograms is desirable in order to extract clinically useful features over extended periods of time in a patient monitoring environment. However, the proper interpretation of capnogram derived features depends upon the quality of the underlying waveform. In addition, the comparison of capnogram datasets across studies requires a more practical approach than a visual analysis and selection of high-quality breath data. This paper describes a system that automatically extracts breath-by-breath features from capnograms and estimates the quality of individual breaths derived from them. Segmented capnogram breaths were presented to expert annotators, who labeled the individual physiological breaths into normal and multiple abnormal breath types. All abnormal breath types were aggregated into the abnormal class for the purpose of this manuscript, with respiratory variability analysis as the end-application. A database of 11,526 breaths from over 300 patients was created, comprising around 35% abnormal breaths. Several simple classifiers were trained through a stratified repeated ten-fold cross-validation and tested on an unseen portion of the labeled breath database, using a subset of 15 features derived from each breath curve. Decision Tree, K-Nearest Neighbors (KNN) and Naive Bayes classifiers were close in terms of performance (AUC of 90%, 89% and 88% respectively), while using 7, 4 and 5 breath features, respectively. When compared to airflow derived timings, the 95% confidence interval on the mean difference in interbreath intervals was ± 0.18 s. This breath classification system provides a fast and robust pre-processing of continuous respiratory waveforms, thereby ensuring reliable variability analysis of breath-by-breath parameter time series.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle