[논문 리뷰] Ventilator pressure prediction using recurrent neural network

Su Diao, Changsong Wei외 2명|arXiv (Cornell University)|2024. 10. 09.

Advanced Sensor and Control Systems인용 수 11

한 줄 요약

이 논문은 제어 매개변수와 폐의 특성으로부터 기계 환기의 흡기 단계에서 기도 압력을 예측하기 위해 순환 신경망 기반 시뮬레이터를 제안하여 현재 산업 표준보다 압력 추적 성능을 향상시키는 것을 목표로 한다.

ABSTRACT

This paper presents a recurrent neural network approach to simulating mechanical ventilator pressure. The traditional mechanical ventilator has a control pressure that is monitored by a medical practitioner and can behave incorrectly if the proper pressure is not applied. This paper takes advantage of recent research and develops a simulator based on a deep sequence model to predict airway pressure in the respiratory circuit during the inspiratory phase of a breath given a time series of control parameters and lung attributes. This method demonstrates the effectiveness of neural network-based controllers in tracking pressure wave forms significantly better than the current industry standard and provides insights into the development of effective and robust pressure-controlled mechanical ventilators. The paper will measure as the mean absolute error between the predicted and actual pressures during the inspiratory phase of each breath.

연구 동기 및 목표

• 기계적 환기장치에서 강건하고 데이터 기반의 압력 제어 필요성을 제고한다.
• 제어 신호와 폐 속성으로부터 흡기 기도 압력을 예측하는 심층 시퀀스 모델을 개발한다.
• 압력 파형 추적에서 신경망 기반 제어기의 효과를 입증한다.
• 강건한 압력 제어 환기 시스템 설계에 대한 통찰을 제공한다.

제안 방법

• 흡기 동안 기계적 환기기 압력을 시뮬레이션하기 위해 순환 신경망을 구축한다.
• 제어 매개변수와 폐 속성의 시계열 데이터로 모델을 학습한다.
• 예측된 압력을 실제 압력과 비교하여 성능을 평가한다.
• 더 나은 압력 파형 추적을 위한 신경망 기반 제어기의 가능성을 강조한다.

실험 결과

연구 질문

• RQ1 제어 매개변수와 폐 속성으로부터 흡기 기도 압력을 순환 신경망이 정확하게 예측할 수 있는가?
• RQ2 RNN 기반 시뮬레이터가 현재 산업 표준보다 압력 파형을 더 효과적으로 추적하는가?
• RQ3 강건한 압력 제어 기계적 환기 시스템 개발을 위한 어떤 통찰을 얻을 수 있는가?

주요 결과

• 이 접근법은 현재 산업 표준과 비교하여 압력 파형 추적이 개선되었음을 보여준다.
• 모델은 흡기 동안 호흡 회로 내의 기도 압력을 시뮬레이션한다.
• 신경망 기반 제어기는 효과적이고 강건한 압력 제어 벤틸레이터 개발 가능성을 보여준다.