机构名称：
¥ 1.0
摘要 在当今世界，重症患者在重症监护室接受监护，监护室会监测患者的每一种状况，并及时采取必要的治疗。这些患者容易患上许多疾病，这就是为什么他们的许多重要和受损器官需要特别照顾。为了给单个患者提供如此多的护理，需要大量工作人员 24 小时照顾单个患者。由于护理量如此之大，会产生大量有用数据，这些数据对于理解许多通常被忽视的重要因素起着重要作用。对于医生来说，理解纸面上如此大量的数据是一项非常困难的任务，会耗费大量时间，而且我们仍然不知道分析的结果是否正确。为了检测器官的高风险和衰竭，机器学习可以发挥重要作用，以检测此类事件并及时采取行动。本文讨论并总结了大量研究论文的结果，以提供最佳解决方案。这篇研究文章的目的是提供有用的见解，以改进现有的模型。关键词：病人监测系统、人工智能、重症监护病房 (ICU) 收到日期：2022 年 2 月 18 日 修订日期：2022 年 3 月 12 日 接受日期：2022 年 3 月 24 日 介绍 人工智能领域深受人类大脑过程和功能的启发，机器学习现在已成为可用于预测的广泛技术之一。人工智能有许多子领域，机器学习就是其中之一。在机器学习模型中，创建的算法可以帮助计算机从数据中提取模式而无需使用编程。这就是机器学习与其他各种计算领域的区别所在，它不使用编程来创建任何模型，不使用任何编程来对数据进行任何预测和预报。在医疗保健部门，机器学习可用于各种临床应用，可用于形成大量预测。文献综述与人工智能 (AI) 相结合的侵入性/非侵入性医疗技术可以帮助医院人员更有效地工作 [1]。例如，射频 (RF) 传感器技术可以收集患者身体的数据，当这些数据通过人工智能算法运行时，无需医务人员干预即可得出重要结论 [2,8]。远程非接触式传感技术与复杂的机器学习算法相结合，可以实时提供准确的结果，使医生能够轻松监测和诊断疾病 [9]。当使用来自传统脑电图 (EEG) 的数据时，人工智能在癫痫诊断方面取得了许多突破。尽管它被认为具有合理的敏感性和特异性 [4,5]，但它并未被接受为标准技术。在 15% 的急性脑损伤后对运动指令没有行为反应的患者中，利用脑电图的监督学习方法证实了隐藏意识的证据 [10]。此外，在心脏骤停 12 小时后，深度学习人工神经网络
人工智能背景下的病人监护系统
主要关键词
相关文件推荐
