技術摘要

一種呼吸狀態分類方法，用以分類至少二呼吸狀態，呼吸狀態分類方法包含訓練用生理參數輸入步驟、訓練用胸腔影像輸入步驟、特徵生理參數產生步驟、特徵胸腔影像產生步驟、訓練步驟及分類器產生步驟。特徵胸腔影像產生步驟包含處理訓練用胸腔影像中至少一部分，將受處理之各訓練用胸腔影像中左肺、右肺及心臟的影像分割出來並對其進行影像資料增強，以產生複數特徵胸腔影像。分類器產生步驟包含於至少一機器學習演算法訓練後產生至少一呼吸狀態分類器，其用以分類至少二呼吸狀態。藉此，可產生有效的呼吸狀態分類器。

產業應用性

1. 產業利用性說明

• 運用機器學習產出推論引擎，置入此框架系統，即可產生臨床運用，協助臨床工作人員醫療決策。
• 可以內化嵌入醫院的醫療資訊系統，或以獨立系統運用模式，發揮效用。
• 可以運用於跨機構聯邦學習的架構中。
• 可以套用於人工智慧框架中的多模型管理、多疾病預測或混合推論（Ensemble Inference）之應用。

2. 是否正在（或將要）進行相關產學合作或技術授權

是

本技術發明之目的及達成功效

急性呼係窘迫症候群時加護病房重症病人常見的疾病，目前醫學實證顯示，除即時落實保護性通氣策略外，針對重度急性呼吸窘迫症候群病人早期使用肌肉鬆弛劑、執行俯臥通氣治療及葉克膜均可以有效降低死亡率。根據一跨國大型研究顯示，約有十分之一的重症病人會發生急性呼係窘迫症候群，而使用呼吸器的病人中更高達四分之一。若重症病人和併有急性呼吸窘迫症候群，死亡率將高達四成以上。但這些病人往往被臨床醫護團隊忽視，除未能及時辨認診斷急性呼吸窘迫症群的發生，且實證醫學所建議相關診療原則往往未能落實。因此即時提醒醫護團隊病人以發生急性呼吸窘迫症候群，以落實相關診療措施是降低急性呼吸窘迫症候群的重要一環。