Signalanalyse for neurokritiske patienter

Projektet bruger big data-analyseteknikker såsom wavelet-transformation og deep learning til at analysere fysiologiske signaler fra neurokritiske patienter og bygge en model til at evaluere intrakraniel tilstand og til at forudsige neurologiske udfald. Ved identifikation af korrelationer mellem disse parametre og deres tendenser kan vi opnå tidlig påvisning af anomalier og forbedre evnen til at vurdere den aktuelle neurologiske tilstand og forudsigelse af prognose. Ved kontinuerlig input af fortiden og nutidige data i ICU vil modellen blive ændret gentagne gange, og dens nøjagtighed forbedres, efterhånden som modellen vokser. Modellen kan bruges til at genkende abnormiteter tidligere og give et advarselssystem. Klinikere, der tager sig af neurokritiske patienter, kan justere deres behandlingspolitik og evaluere resultatet i henhold til et sådant system.