การตรวจจับความผิดปกติของคลื่นสัญญาณเครื่องช่วยหายใจ ด้วยการประมวลผลสัญญาณดิจิทัลและกฎทางคลินิก

ในผู้ป่วย ICU ที่ต้องใช้เครื่องช่วยหายใจ สัญญาณ Pressure, Flow และ Volume waveform สามารถสะท้อนการทำงานของระบบหายใจได้อย่างต่อเนื่อง ข้อมูลเหล่านี้จึงมีความสำคัญต่อการศึกษาพฤติกรรมการหายใจและการตรวจจับความผิดปกติของผู้ป่วย งานนี้นำเสนอการวิเคราะห์สัญญาณเครื่องช่วยหายใจด้วยการประมวลผลสัญญาณดิจิทัลและกฎทางคลินิก โดยสกัดคุณลักษณะของสัญญาณทั้งในเชิงเวลาและความถี่ เช่น Sample Entropy และ Spectral Entropy พร้อมพัฒนาอัลกอริทึมตรวจจับ Double-Trigger ด้วยเทคนิค Peak Detection ในสัญญาณ Pressure waveform จากการวิเคราะห์สัญญาณการหายใจจำนวน 1,165 ช่วงสัญญาณ พบว่า 55.5% เป็นลมหายใจปกติ และ 44.5% เป็นสัญญาณผิดปกติโดยความผิดปกติที่พบมากที่สุดคือ High Driving Pressure (27.1%) รองลงมาคือ Double-Trigger (16.6%) นอกจากนี้พบว่าผู้ป่วยประมาณ 27% อยู่ในกลุ่มเสี่ยงต่อภาวะบาดเจ็บของปอดจากเครื่องช่วยหายใจ และผู้ป่วยที่มี Lung Compliance ต่ำ มีแนวโน้มเกิดความผิดปกติของการหายใจสูงกว่า