- Titel
- Kamerabasierte Photoplethysmographie zur Bestimmung von Blutdruckkorrelation in der Unfallchirurgie.
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:15-qucosa2-939718
- Datum der Einreichung
- 23.02.2024
- Datum der Verteidigung
- 20.08.2024
- Abstract (DE)
- Eine Methode zur kontaktlosen Blutdruckbestimmung mittels video-basierter Extraktion von Photoplethysmographie-Kurven aus dem Gesicht von Patienten sollte evaluiert werden. Mittels Machine-Learning-Verfahren wurden anhand der extrahierten Kurve Blutdruckwerte geschätzt. Dafür kamen verschiedene neuronale Netzwerke zum Einsatz, der Fokus lag dabei auf dem ResNet, ein besonders tiefes faltendes neuronales Netzwerk. Die Netzwerkstrukturen wurden mit photoplethysmographischen Daten der MIMIC-III-Datenbank vortrainiert, bevor ihnen die videobasierten Daten zugeführt wurden. Die Datenerhebung der Videoaufnahmen erfolgte im Rahmen der klinischen Studie auf der Intensivstation des Universitätsklinikums Leipzig bei insgesamt 50 Patienten, von denen jeweils circa zweistündige Videoaufnahmen des Gesichts angefertigt wurden. Die Validierung der Methode erfolgte durch den Vergleich der geschätzten Blutdruckwerte mit den simultan über einen intraarteriellen Katheter gemessenen tatsächlichen Blutdruck-werten. Zusätzlich wurde der Einfluss von Personalisierung auf die Performance der Methode untersucht. Es konnte keine verlässliche Blutdruckschätzung erreicht werden, die geforderte Standards an Blutdruckmessgeräte erfüllt. Personalisierung führte jedoch zu einer signifikanten Verbesserung des mittleren absoluten Fehlers in der Vorhersagegenauigkeit des Algorithmus und stellt einen vielversprechenden Ansatz für zukünftige Methoden dar.
- Freie Schlagwörter (DE)
- Photoplethysmographie, Kontaktlos, Blutdruck,
- Klassifikation (DDC)
- 610
- Den akademischen Grad verleihende / prüfende Institution
- Universität Leipzig, Leipzig
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:15-qucosa2-939718
- Veröffentlichungsdatum Qucosa
- 07.10.2024
- Dokumenttyp
- Dissertation
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY-NC 4.0- Inhaltsverzeichnis
1 EINLEITUNG - 1 - 1.1 Entdeckung des Blutdrucks - 1 - 1.2 Anfänge instrumentalisierter Blutdruckmessung - 2 - 1.3 Weg zur Moderne - 3 - 1.3.1 Einführung der Armmanschette - 3 - 1.3.2 Oszillometrische Methode - 5 - 1.3.3 Invasive Blutdruckmessung - 5 - 1.4 Vitalparameter-Extraktion aus Videodaten - 7 - 1.4.1 Messprinzip - 7 - 1.4.2 Kontaktlose Photoplethysmographie - 8 - 1.4.3 Bildregionen zur Signalextraktion - 9 - 1.4.4 Aktuelle Ansätze - 10 - 2 ALLGEMEINE GRUNDLAGEN - 13 - 2.1 Haut - 13 - 2.2 Vitalparameter - 16 - 2.3 Herzaktion und Windkessel - 17 - 2.4 Strom- und Druckpuls - 18 - 2.5 Widerstandsgefäße und Ohm’sches Gesetz - 20 - 2.6 Kapillaren und Stoffaustausch - 21 - 2.7 Steuerung der kapillären Durchblutung - 22 - 2.8 Kurzfristige Regulation des Blutdrucks - 23 - 2.9 Langfristige Regulation des Blutdrucks - 24 - 2.10 Störungen des Blutdrucks - 26 - 2.10.1 Hypertension - 26 - 2.10.2 Hypotension und Schock - 28 - 2.10.2.1 Anaphylaktischer Schock - 29 - 2.10.2.2 Kardiogener Schock - 29 - 2.10.2.3 Hypovolämischer Schock - 30 - 2.10.2.4 Septischer Schock - 31 - 2.11 Künstliche neuronale Netzwerke - 32 - 2.11.1 Multilayer Perceptron - 32 - 2.11.2 Convolutional Neural networks - 33 - 2.11.3 Mathematische Funktionsweise - 35 - 2.12 Maschinelles Lernen - 36 - 2.12.1 Anwendungsbereiche - 38 - 3 MATERIALIEN UND METHODEN - 40 - 3.1 Studiendesign - 40 - 3.1.1 Patientenrekrutierung - 40 - 3.2 Daten-Akquisition - 41 - 3.2.1 Erhebung der Videodaten - 41 - 3.2.2 Arterielle Blutdruckmessung - 43 - 3.3 Datenverarbeitung - 44 - 3.3.1 Prozessierung der Videodaten - 44 - 3.3.2 Extraktion des rPPG-Signals - 47 - 3.3.3 Aufbereitung des rPPG-Signals - 47 - 3.4 Neuronale Netzwerkstrukturen - 48 - 3.4.1 PPG-basiertes Training - 49 - 3.4.2 Personalisierung - 51 - 3.4.3 Transfer learning - 52 - 3.5 Statistik - 52 - 4 ERGEBNISSE - 53 - 4.1 Patientenpopulation - 53 - 4.2 Blutdruckvorhersage - 55 - 5 DISKUSSION - 60 - 5.1 Patientenpopulation - 60 - 5.2 Trainingsdaten - 60 - 5.3 Klinisches Setting - 63 - 5.4 Datenvorbehandlung - 66 - 5.5 Ergebnisse - 67 - 5.6 Personalisierung - 71 - 6 SCHLUSSFOLGERUNG - 74 - 7 ZUSAMMENFASSUNG DER ARBEIT - 76 - 8 ABBILDUNGSVERZEICHNIS - 80 - 9 LITERATURVERZEICHNIS - 82 -