Hypotension är vanligt förekommande vid anestesi och i den postoperativa fasen. Om blodtrycket sjunker till för låga nivåer eller pågår under för lång tid kan vitala organ som hjärta och njurar ta allvarlig skada. De flesta fall av hypotension behandlas idag retroaktivt. Med möjlighet att kunna upptäcka hypotension innan det uppstår skulle behandling kunna ske i ett förebyggande syfte och på så sätt minska tiden i hypotension för patienten. Med hjälp av maskininlärning går det att analysera blodtryckskurvor och kunna hitta vilka attribut i dem som kan förutse hypotension. Detta projekt har gått ut på att definiera och beräkna attribut för att i framtida arbeten kunna låta en maskininlärningsalgoritm analysera dem. Utöver detta har arbetet med signalbehandling skett för att kunna upptäcka bristande kvalitet på den analyserade signalen och kunna förbättra den vid behov. Målet att definiera och beräkna attribut har lyckats. Målet att kunna avgöra kvaliteten på signalen har lyckats delvis.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-276968 |
| Date | January 2020 |
| Creators | Lagerqvist, Filip, Jefford-Baker, Benjamin |
| Publisher | KTH, Medicinteknik och hälsosystem |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-CBH-GRU ; 2020:154 |
Page generated in 0.0146 seconds