机构名称：
¥ 1.0
背景：创伤是全球第三大死亡原因，也是 44 岁以下人群的首要死亡原因。对于创伤患者，尤其是当天早些时候受伤的患者，动脉血气 (ABG) 被视为黄金标准，因为它可以为医生提供重要信息，例如检测内伤程度，尤其是肺部损伤程度。但是，通过实验室方法测量这些气体是一项耗时的任务，而且很难对患者进行采样。测量这些气体所需的设备也很昂贵，这就是为什么大多数医院没有这种设备的原因。因此，无需临床试验即可估算这些气体可以挽救创伤患者的生命并加速他们的康复。方法：在本研究中，通过收集有关 2280 名创伤患者的信息，提出了一种基于人工神经网络的动脉血气估计和预测方法。在所提出的方法中，通过训练前馈反向传播神经网络（FBPNN），神经网络只能根据患者的初始信息预测这些气体的量。所提出的方法已经在MATLAB软件中实现，并且收集的数据测试了其准确性，并给出了其结果。结果：结果显示预测动脉血气的准确率为87.92％。预测的动脉血气包括PH，PCO2和HCO3，其准确率分别为99.06％，80.27％和84.43％。因此，所提出的方法在预测动脉血气方面具有相对较好的准确性。结论：鉴于这是第一项使用初始患者信息（收缩压 (SBP)、舒张压 (DBP)、脉搏率 (PR)、呼吸频率 (RR) 和年龄）预测动脉血气的研究，并且基于结果，所提出的方法可以成为协助医院和实验室专家的有用工具。关键词：动脉血气、创伤、神经网络、预测。
使用人工智能和神经网络算法
主要关键词
相关文件推荐
