Un modèle d'alerte précoce du SDRA par détection d'anormalité et fusion de données - Université de technologie de Troyes Access content directly
Conference Papers Year : 2017

Un modèle d'alerte précoce du SDRA par détection d'anormalité et fusion de données

Abstract

Le syndrome de détresse respiratoire aigüe est une maladie qui perturbe le système respiratoire et peut entraîner la mort. Ce papier présente un modèle pour la prédiction de ce syndrome chez des patients ventilés en utilisant leurs signaux vitaux. Le modèle proposé est une approche individuelle consistant à détecter l’anormalité dans les signaux de chaque patient à comparer avec son état initial. Une décision est ensuite conçue par une fusion des décisions partielles des différents signaux analysés. Les résultats obtenus illustrent la capacité prédictive élevée de la méthode avec une sensibilité de 78% et une spécificité de 85%.

Domains

Bioengineering
No file

Dates and versions

hal-02563794 , version 1 (05-05-2020)

Identifiers

  • HAL Id : hal-02563794 , version 1

Cite

Aline Taoum, Farah Mourad-Chehade, Hassan Amoud. Un modèle d'alerte précoce du SDRA par détection d'anormalité et fusion de données. GRETSI 2017-XXVIème colloque, Sep 2017, Juan-Les-Pins, France. ⟨hal-02563794⟩
14 View
0 Download

Share

Gmail Facebook X LinkedIn More