基于物联网技术的综合信息采集单元ICU硬件设计

介绍了基于物联网技术的动力、环境监控系统中综合信息采集单元（input capture unit,ICU）的硬件设计;无线水浸传感器、无线智能协议转换器、无线中继／协调器设计方案。     

基于XGBoost和SHAP的急性肾损伤可解释预测模型

重症监护病房(ICU)住院期间发生的急性肾损伤(AKI)与患者发病率和死亡率的增加有关.该研究的目的是提出一个基于机器学习的框架,用于危重病患者的可解释AKI预测,该框架能够同时实现良好的预测和解释能力.该文从重症监护医学信息数据库Ⅲ(MIMIC-III)中提取的数据包括患者的年龄、性别、生命体征和ICU入院第1天及随...     

基于物联网技术的ICU设备管理系统设计

目的:设计一种ICU移动医疗设备管理系统。方法:采用基于RFID的物联网技术,实现ICU移动医疗设备的识别、定位、跟踪、监控和管理等。结果:该系统可与医院临床信息系统无缝融合,在大大提高医护人员工作效率的同时可保证相关医疗设备的有效管理和应用。结论:基于物联网技术的ICU设备管理系统提高了医疗设备使用的安全性,降低了医疗事故的发生率,具有较强的实用性,可以推广应用。     

Outcome Prediction in Critically-Ill Patients with Venous Thromboembolism and/or Cancer Using Machine Learning Algorithms: External Validation and Comparison with Scoring Systems

Intensive care unit (ICU) patients with venous thromboembolism (VTE) and/or cancer suffer from high mortality rates. Mortality prediction in the ICU has been a major medical challenge for which several scoring systems exist but lack in specificity. This study focuses on two target groups, namely patients with thrombosis or cancer. The main goal is to develop and validate interpretable machine learning (ML) models to predict early and late mortality, while exploiting all available data stored in the medical record. To this end, retrospective data from two freely accessible databases, MIMIC-III and eICU, were used. Well-established ML algorithms were implemented utilizing automated and purposely built ML frameworks for addressing class imbalance. Prediction of early mortality showed excellent performance in both disease categories, in terms of the area under the receiver operating characteristic curve (AUC–ROC): VTE-MIMIC-III 0.93, eICU 0.87, cancer-MIMIC-III 0.94. On the other hand, late mortality prediction showed lower performance, i.e., AUC–ROC: VTE 0.82, cancer 0.74–0.88. The predictive model of early mortality developed from 1651 VTE patients (MIMIC-III) ended up with a signature of 35 features and was externally validated in 2659 patients from the eICU dataset. Our model outperformed traditional scoring systems in predicting early as well as late mortality. Novel biomarkers, such as red cell distribution width, were identified.     

基于PLX9054的高速数据采集系统的设计与实现

在雷达定位、无损探伤、航空航天和电力系统故障监测及行波保护等领域需要使用采样频率为100MHz甚至更高的高速数据采集系统,而且要求该系统能对采集到的数据进行实时处理.目前国内成熟的数据采集系统产品的采样频率最高为30MHz,而且一般不能对所采集的数据作实时处理.为此,设计了基于PCI总线、使用工控机进行数据传输的嵌入式高速数据采集系统,该系统用闪烁A/D转换芯片进行模数转换、以高速大容量先进先出(FIFO)方式缓存数据、以数字信号处理器(DSP)进行数据实时处理,实现了频率为100MHz的高速数据采集和实时处理.     

ICU病房临床护理呼吸机自动报警装置研究

目前临床护理呼吸机的自动报警装置中,对呼吸机氧气流量压力测量不足,在使用中个别情况下无法及时给出警报。因此,提出ICU病房临床护理呼吸机自动报警装置研究,设计的自动报警装置的主控制器选择Microchip公司推出的PIC18F252单片机,自动报警装置的继电器选择HK4100F电磁继电器,流量压力的检测选择EnviteC公司的Spiro-Quant H差压流量传感器以及Honneywell公司生产的163PC01D36压力传感器,并使用PTR2000无线接收模块进行报警信号传输。设计了氧气浓度检测模块来对氧气浓度进行检测,并根据不同的参数检测结果分为3种报警模式。为了验证设计的呼吸机自动报警装置能否实现设计需求,设计实验。在某医院的ICU病房中的呼吸机上使用文献[8]、文献[9]、文献[11]中的自动报警装置以及设计的自动报警装置,实验结果显示设计的自动报警装置在多种情况下均可给出报警,满足实验需求。     

按世界先进技术和理念建设儿科重症监护病房

介绍国内现代化的儿科心脏外科术后监护病房的建设与设计理念,平面布置,标准采用,空气卫生技术等,供参考。     

普及型剑杆织机的微机控制系统

本文是实践的总结,首先说明了普及型剑杆织机一位微机控制系统的控制项目和系统的组成.然后简要地介绍了输入、输出电路和一位微机硬件,列出了控制程序的流程图和所采取的抗干扰措施,并肯定了该系统的优点和实用性.     

远程与移动ICU便携信息化系统构建与实施

远程与移动ICU是一种利用远程通信技术和信息技术为既定距离以外的危重患者提供医疗服务,促进医学交流与合作,减少危重患者流动,并最大限度保证危重患者转运的安全性,解决基层医疗技术力量与技术手段相对不足的有效方法.     

混合多机器学习的ICU病人生死预测框架

ICU病人生死预测一直都是医学界的研究热点和难点。数据挖掘的机器学习方法近年来在该领域取得了一定的进展,但依然有很大的发展空间。针对ICU时序数据的高维度和不确定间隔采样特性,提出了不确定间隔采样转化为确定间隔的空采样的思想和相应的处理策略;在此基础上将传统的时间序列聚类与机器学习方法相结合,提出了一个两阶段的混合多机器学习算法框架,使得数据集的高维和不确定性得到了约简,从而可以采用经典的机器学习方法挖掘病人生死知识。在一个公开数据集上的两组实验结果表明,基于该算法框架的ICU病人死亡预测方法对于少数样本的分类效果优于传统方法,弹性时间间隔下的预测效果更好,最优时间间隔的选取可以通过实验效果来验证。