A Singular Spectrum Analysis-Based Data-Driven Technique for the Removal of Cardiogenic Oscillations in Esophageal Pressure Signals
Notice bibliographique
Résumé
<p>Objective: Assessing the respiratory and lung mechanics of the patients in intensive care units is of utmost need in order to guide the management of ventilation support. The esophageal pressure (Peso) signal is a minimally invasive measure, which portrays the mechanics of the lung and the pattern of breathing. Because of the close proximity of the lung to the beating heart inside the thoracic cavity, the Peso signals always get contaminated with that of the oscillatory-pressure-signal of the heart, which is known as the cardiogenic oscillation (CGO) signal. However, the area of research addressing the removal of CGO from Peso signal is still lagging behind. Methods and results: This paper presents a singular spectrum analysis-based high-efficient, adaptive and robust technique for the removal of CGO from Peso signal utilizing the inherent periodicity and morphological property of the Peso signal. The performance of the proposed technique is tested on Peso signals collected from the patients admitted to the intensive care unit, cadavers, and also on synthetic Peso signals. The efficiency of the proposed technique in removing CGO from the Peso signal is</p> <p>quantified through both qualitative and quantitative measures, and the mean opinion scores of the denoised Peso signal fall under the categories ‘very good’ as per the subjective measure. Conclusion and clinical impact: The proposed technique: (1) does not follow any predefined mathematical model and hence, it is data-driven, (2) is adaptive to the sampling rate, and (3) can be adapted for denoising other biomedical signals which exhibit periodic or quasi-periodic nature.</p>
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».