DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/12998

Arxiu Descripció MidaFormat
Arizmendi.pdf313,74 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Arizmendi, C. [et al.]. Data mining of patients on weaning trials from mechanical ventilation using cluster analysis and neural networks. A: Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). "31th Annual International Conference of the IEEE Engineering in Medicine and Biology Society". Minneapolis, Minnesota: 2009, p. 4343-4346.
Títol: Data mining of patients on weaning trials from mechanical ventilation using cluster analysis and neural networks
Autor: Arizmendi Pereira, Carlos Julio; Romero Merino, Enrique Veure Producció científica UPC; Alquézar Mancho, René Veure Producció científica UPC; Caminal Magrans, Pere Veure Producció científica UPC; Díaz, Ivan; Benito, Salvador; Giraldo Giraldo, Beatriz Veure Producció científica UPC
Data: 2009
Tipus de document: Conference report
Resum: The process of weaning from mechanical ventilation is one of the challenges in intensive care. 149 patients under extubation process (T-tube test) were studied: 88 patients with successful trials (group S), 38 patients who failed to maintain spontaneous breathing and were reconnected (group F), and 23 patients with successful test but that had to be reintubated before 48 hours (group R). Each patient was characterized using 8 time series and 6 statistics extracted from respiratory and cardiac signals. A moving window statistical analysis was applied obtaining for each patient a sequence of patterns of 48 features. Applying a cluster analysis two groups with the majority dataset were obtained. Neural networks were applied to discriminate between patients from groups S, F and R. The best performance obtained was 84.0% of well classified patients using a linear perceptron trained with a feature selection procedure (that selected 19 of the 48 features) and taking as input the main cluster centroid. However, the classification baseline 69.8% could not be improved when using the original set of patterns instead of the centroids to classify the patients.
ISBN: 978-1-4244-3296-7
URI: http://hdl.handle.net/2117/12998
DOI: 10.1109/IEMBS.2009.5332742
Apareix a les col·leccions:Altres. Enviament des de DRAC
SOCO - Soft Computing. Ponències/Comunicacions de congressos
SISBIO - Senyals i Sistemes Biomèdics. Ponències/Comunicacions de congressos
Departament de Llenguatges i Sistemes Informàtics. Ponències/Comunicacions de congressos
Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius