文献

J-GLOBAL ID：202202214934984995   整理番号：22A0497381

人工呼吸器関連肺炎を予測するための機械学習法を用いたE-鼻システムの開発【JST・京大機械翻訳】

Development of an E-nose system using machine learning methods to predict ventilator-associated pneumonia

著者 (6件)： Liao Yu-Hsuan (Department of Mechanical Engineering, Yuan Ze University, Chungli, Taiwan) ,  Shih Chung-Hung (Division of Thoracic Medicine, Department of Internal Medicine, School of Medicine, College of Medicine, Taipei Medical University, Taipei City, Taiwan) ,  Shih Chung-Hung (Division of Pulmonary Medicine, Department of Internal Medicine, Taipei Medical University Hospital, Taipei City, Taiwan) ,  Abbod Maysam F. (College of Engineering, Design and Physical Sciences, Brunel University London, Uxbridge, UK) ,  Shieh Jiann-Shing (Department of Mechanical Engineering, Yuan Ze University, Chungli, Taiwan) ,  Hsiao Yu-Jen (Department of Mechanical Engineering, Southern Taiwan University of Science and Technology, Tainan, Taiwan)
資料名： Microsystem Technologies  (Microsystem Technologies)
巻： 28  号： 1  ページ： 341-351  発行年： 2022年 
JST資料番号： W2056A  ISSN： 0946-7076  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 現在,初期段階での人工呼吸器関連肺炎(VAP)の迅速スクリーニングにはデバイスが利用できない。したがって,著者らは,初期段階で肺炎の代謝産物をモニターし,検出するオフラインガス検出システムの設計を提案する。28の金属酸化物半導体ガスセンサによる電子鼻(e-ノーズ)を集中治療室で挿管された後の感染の存在を予測するために開発した。VAP同定の有効性を臨床データを用いて検証した。総計40名の患者を本研究に含めたが,そのうち20名は緑膿菌に感染し,残りは感染しなかった。結果は,それぞれ,0.9208%±0.0302%と0.8547%±0.0214%の良好な精度率が,サポートベクトルマシンと人工ニューラルネットワークモデルによって達成されることを明らかにした。本研究は,初期段階でのVAPの迅速スクリーニングのための簡単で低コストの解決策を提供する。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 代謝産物 ,  *肺炎 ,  緑膿菌 ,  有効性 ,  ガスセンサ ,  スクリーニング ,  ICU【医療】 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 挿管法 ,  神経回路網モデル ,  電子鼻 ,  臨床データ ,  *人工呼吸器関連肺炎 ,  金属酸化物半導体 , 【Automatic Indexing@JST】

分類 (5件)： 計測機器一般  (AD02000X) ,  その他の電気・電子部品  (NA05090R) ,  呼吸器の疾患  (GI03000Z) ,  電気自動車  (QG07020B) ,  電気化学反応  (CB07050F)

タイトルに関連する用語 (5件)： 人工呼吸器関連肺炎 ,  予測 ,  機械学習 ,  鼻 ,  開発