Regression analysis for peak designation in pulsatile pressure signals.
Regression analysis for peak designation in pulsatile pressure signals.
复制标题
DOI：
10.1007/s11517-009-0505-5
复制
发表时间：
2009-09
影响因子：
3.2
通讯作者：
Hu, Xiao
中科院分区：
文献类型：
--
作者：
Scalzo, Fabien;Xu, Peng;Asgari, Shadnaz;Bergsneider, Marvin;Hu, Xiao
关键词：
根据最近的研究，颅内压（ICP）脉冲的自动分析似乎是预测许多疾病治疗过程中关键颅内和脑血管病理生理变化的有前途的工具。最近开发了一种脉冲分析框架，可以自动提取 ICP 脉冲的形态特征。该算法能够提高 ICP 信号的质量、分割 ICP 脉冲并指定脉冲中三个 ICP 子峰的位置。本文利用机器学习技术扩展了该算法，用更通用的回归模型取代峰值指定过程中使用的高斯先验。实验评估是在 ICP 信号数据库上进行的，该数据库是根据 64 名神经外科患者 700 小时的记录建立的。对不同最先进的回归分析方法进行比较分析，然后将最佳方法与原始脉冲分析算法进行比较。结果表明，我们基于回归的识别框架的准确性有了显着提高。使用核谱回归，其平均峰值指定精度达到 99%，而原始算法的平均峰值指定精度为 93%。本文的在线版本 (doi:10.1007/s11517-009-0505-5) 包含补充材料，可供授权用户使用。
Following recent studies, the automatic analysis of intracranial pressure (ICP) pulses appears to be a promising tool for forecasting critical intracranial and cerebrovascular pathophysiological variations during the management of many disorders. A pulse analysis framework has been recently developed to automatically extract morphological features of ICP pulses. The algorithm is able to enhance the quality of ICP signals, to segment ICP pulses, and to designate the locations of the three ICP sub-peaks in a pulse. This paper extends this algorithm by utilizing machine learning techniques to replace Gaussian priors used in the peak designation process with more versatile regression models. The experimental evaluations are conducted on a database of ICP signals built from 700 h of recordings from 64 neurosurgical patients. A comparative analysis of different state-of-the-art regression analysis methods is conducted and the best approach is then compared to the original pulse analysis algorithm. The results demonstrate a significant improvement in terms of accuracy in favor of our regression-based recognition framework. It reaches an average peak designation accuracy of 99% using a kernel spectral regression against 93% for the original algorithm. The online version of this article (doi:10.1007/s11517-009-0505-5) contains supplementary material, which is available to authorized users.
登录
查看更多内容
DOI：
10.1109/tbme.2008.2008636
发表时间：
2009-03
期刊：
IEEE transactions on bio-medical engineering
影响因子：
--
作者：
Hu X;Xu P;Scalzo F;Vespa P;Bergsneider M
通讯作者：
Bergsneider M
影响因子：
3
作者：
CONTANT, CF;ROBERTSON, CS;GROSSMAN, RG
通讯作者：
GROSSMAN, RG
影响因子：
4.8
作者：
PORTNOY, HD;CHOPP, M
通讯作者：
CHOPP, M
影响因子：
4.6
作者：
Afonso, VX;Tompkins, WJ;Luo, S
通讯作者：
Luo, S
影响因子：
7.5
作者：
Geurts, P;Ernst, D;Wehenkel, L
通讯作者：
Wehenkel, L