In der Übersicht
Der vorliegende pCO2-Datensatz enthält Daten aus einer im April 2019 durchgeführten Studie zur Bewertung eines neuen Sensortyps für den Roche cobas b123 BGE. Es umfasst insgesamt 1196 Messungen von Blutproben und Qualitätskontrolllösungen mit 10 verschiedenen Sensoren.
In diesem VM1-Projekt wird Verwendung von maschinellem Lernen zur Konstruktion von Korrekturtermen für physikalische Formeln untersucht, um die Messung kontrollierter und möglichst erklärbar präziser zu gestalten. Wir möchten dieses Ziel durch den Einsatz neuronaler Netze erreichen, die die Nernst-Gleichung integrieren.
Dieser Ansatz sollte zu schnelleren und deutlich präziseren pCO2-Messungen führen, verglichen mit (standard) pCO2-Messungen, die nur auf Nernsts Gleichung basieren, einschliesslich der Post-Kalibrationsphase. Darüber hinaus sollten fehlerhafte Messungen (Anomalien) mithilfe von überwachten und halbüberwachten physikinformierten Modellen erkannt werden, die einen höheren F1-Score aufweisen als Modelle, die physikalische Gesetze ignorieren.
