定量生物学 > 定量方法
[提交于 2021年8月20日
]
标题: 用于提取早产儿脑氧饱和度信号中去饱和瞬态的稀疏去噪方法
标题: Sparse-Denoising Methods for Extracting Desaturation Transients in Cerebral Oxygenation Signals of Preterm Infants
摘要: 早产儿在出生后的最初几天内由于脑部供氧不足而面临发展脑损伤的高风险。近红外光谱(NIRS)是一种已建立的技术,用于监测局部组织氧合情况。对脑部NIRS信号的详细波形分析可能提高该方法在准确预测脑损伤方面的临床实用性。在极早产儿中经常观察到短暂的脑部氧饱和度下降,但其临床意义仍不清楚。本研究的目的是检查并比较两种不同方法在分离和提取NIRS信号中短暂偏移方面的性能。我们优化了三种不同的同时低通滤波和总变分去噪(LPF_TVD)方法,并将其性能与一种最近提出的使用奇异谱分析和离散余弦变换(SSA_DCT)的方法进行了比较。LPF_TVD方法的参数通过使用合成NIRS-like信号的网格搜索进行优化。SSA_DCT方法通过一个后处理过程进行了修改,以增加提取成分的稀疏性。我们的分析使用了一个合成的NIRS-like数据集,结果显示LPF_TVD方法优于修改后的SSA_DCT方法:LPF_TVD方法的中位均方误差为0.97(95% CI:0.86至1.07),低于修改后的SSA_DCT方法的1.48(95% CI:1.33至1.63),P<0.001。双低通滤波和总变分去噪方法比SSA_DCT方法计算效率高3到4个数量级。需要更多的研究来检查这些方法在提取真实NIRS信号中的氧饱和度下降的效果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.