Az echokardiográfia – a szív ultrahangos vizsgálata – a leggyakrabban használt képalkotó módszer a szívműködés és a betegségek felmérésére. A technika azonban speciális készségeket igényel, amelyek gyakran hiányosak. Alternatív lehetőség lehet a mellkasröntgen alkalmazása, amely az egyik legelterjedtebb és legszélesebb körben elérhető orvosi vizsgálat, amelyet elsősorban a tüdőbetegségek diagnosztizálására és kezelésére alkalmaznak. De míg a szív látható a mellkas röntgenfelvételein, a mellkas röntgenfelvételei és a szív egészsége közötti kapcsolat kevéssé ismert.
Ezt a szakadékot hivatott áthidalni a Daiju Ueda által vezetett kutatócsoport Osaka Metropolitan Egyetem kifejlesztett egy mélytanulási modellt, amely mesterséges intelligenciát használ a billentyűbetegségek kimutatására és a mellkas röntgenfelvételeiből a szívműködés példátlan pontosságú osztályozására. A kutatók eredményeiket publikálják A Lancet digitális egészség.
Az egyetlen adatkészleten betanított és tesztelt mélytanulási modellek hajlamosak lehetnek a túlillesztésre, amelyben a végső modell csak a betanítási adatkészletben lévő képek esetében működik jól. Ennek megelőzése érdekében Ueda és munkatársai négy különböző intézmény adatait felhasználva fejlesztették ki modelljüket, összesen 22,551 16,946 mellkas röntgenfelvételt és a kapcsolódó echokardiogramot XNUMX XNUMX betegtől.
A kutatók három intézmény 17,293 1947 röntgenfelvételét használták fel a mélytanulási modell betanításához, valamint 3311 röntgenfelvételt, amelyek ugyanazokról a helyekről készültek, mint a belső vizsgálati adatkészletek. A külső vizsgálatokhoz 2617 beteg XNUMX röntgenfelvételét alkalmazták egy külön intézményben.
Miután a mellkasröntgenfelvételeket az echokardiográfiás jelentések alapján alapigazságként jelölték meg, a kutatók kiképezték modelljüket, hogy megtanulják a két adatkészletet összekötő jellemzőket. A szívbillentyű-betegség hat típusát – mitralis regurgitációt, aorta szűkületet, aorta regurgitációt, mitralis szűkületet, tricuspidalis regurgitációt és pulmonalis regurgitációt – vizsgálták, az egyes betegségek súlyosságát semmilyen, enyhe, közepes vagy súlyos kategóriába sorolva. A szívműködés három mérőszámát is besorolták: bal kamrai ejekciós frakciót, tricuspidalis regurgitáns sebességet és inferior vena cava dilatációt.
A mélytanulási modell diagnosztikai teljesítményének értékelése érdekében a kutatók kilenc elsődleges osztályozó esetében kiszámították a vevőműködési jelleggörbe (AUC) alatti területet – a hat szívbillentyű-betegség mindegyike esetében az egyik sem – enyhe, illetve közepes – súlyos határértéket. plusz 40%-os küszöbérték a bal kamrai ejekciós frakcióra, 2.8 m/s a tricuspidalis regurgitáns sebességére és 21 mm a belső vena cava dilatációra – a belső és külső vizsgálati adatkészletekhez.
A csapat úgy találta, hogy a modell pontosan osztályozza a szívműködéseket és a szívbetegségeket, amelyek általában az echokardiográfiából származnak, a mellkasröntgenfelvételek információi alapján. Az elsődleges osztályozók összesített átlagos AUC értéke 0.89, 0.90 és 0.92 volt a belső vizsgálati adatkészleteknél, és 0.87 a külső tesztadatkészletnél (az 1-hez közelebbi értékek jobb osztályozást jeleznek).
A külső tesztadatokra összpontosítva a modell pontosan besorolhatja a szívbillentyű-betegség hat típusát, amelyek AUC értéke 0.83 és 0.92 között mozog. A bal kamrai ejekciós frakció osztályozásának AUC értéke 0.92 volt, míg mind a tricuspidalis regurgitációs sebesség, mind a belső vena cava dilatáció AUC értéke 0.85 volt.
"Legjobb tudomásunk szerint ez a tanulmány az első, amely egy mély tanuláson alapuló osztályozási modellt hozott létre és validált a szívfunkciókra és a szívbillentyű-betegségekre több intézmény mellkasi röntgenfelvételei alapján" - írják a kutatók.
Rámutatnak, hogy a modellnek számos előnye van a szívbetegségek echokardiográfián alapuló értékelésével szemben. A mellkasröntgenfelvételek könnyen és gyorsan rögzíthetők, és a modell alacsony számítási igény mellett gyorsan alkalmazható. A kezdeti megvalósítás után a modell bármilyen szaktudás nélkül és bármikor használható volt. Ezenkívül lehetővé kell tenni a meglévő mellkasi röntgenfelvételek felhasználását a szívműködésre vonatkozó információk nyújtására, ha szükséges, anélkül, hogy további vizsgálatokra lenne szükség.
Az AI-modell a rutin mellkasröntgen alapján határozza meg a szív- és érrendszeri kockázatot
„Nagyon hosszú időbe telt, mire eljutottunk ezekhez az eredményekhez, de úgy gondolom, hogy ez jelentős kutatás” – mondja Ueda sajtónyilatkozatában. „Amellett, hogy javítja az orvosok diagnózisának hatékonyságát, a rendszert olyan területeken is alkalmazni lehetne, ahol nincsenek szakorvosok, éjszakai sürgősségi esetekben és olyan betegeknél, akiknek nehézségei vannak az echokardiográfiás vizsgálaton.”
"Reméljük, hogy a jövőben értékelni tudjuk modellünk valós alkalmazhatóságát különböző klinikai körülmények között" - mondja Shannon Walston társszerző. Fizika Világa. „Létfontosságú, hogy megértsük, hogyan integrálható AI-alapú modellünk zökkenőmentesen a klinikai munkafolyamatokba, és hogyan járulhat hozzá a jobb betegellátáshoz.”
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Autóipar / elektromos járművek, Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
- Forrás: https://physicsworld.com/a/deep-learning-model-uses-chest-x-rays-to-detect-heart-disease/
- :van
- :is
- :ahol
- 1
- 16
- 17
- 22
- 23
- 8
- 87
- a
- AC
- pontosság
- pontosan
- mellett
- További
- előnyei
- Után
- Is
- alternatív
- an
- és a
- bármilyen
- alkalmazott
- VANNAK
- TERÜLET
- területek
- mesterséges
- mesterséges intelligencia
- AS
- értékelése
- társult
- At
- elérhető
- BE
- Hisz
- BEST
- Jobb
- között
- mindkét
- HÍD
- de
- by
- számított
- TUD
- ami
- jellegzetes
- besorolás
- osztályozott
- osztályoz
- Klinikai
- közelebb
- Társszerző
- munkatársai
- Közös
- Csatlakozó
- contribuer
- tudott
- teremt
- kritikus
- görbe
- dátum
- adatkészletek
- mély
- kimutatására
- meghatározza
- fejlett
- különböző
- Nehézség
- digitális
- betegség
- betegségek
- minden
- könnyű
- hatékonyság
- munkavállaló
- értékelni
- értékelés
- létező
- külső
- Jellemzők
- utolsó
- vezetéknév
- A
- talált
- négy
- töredék
- gyakran
- ból ből
- funkció
- funkciók
- jövő
- rés
- kap
- Földi
- terület
- Legyen
- Egészség
- Szív
- Szívbetegség
- remény
- Hogyan
- azonban
- HTTPS
- i
- kép
- képek
- Leképezés
- végrehajtás
- javított
- javuló
- in
- jelez
- információ
- kezdetben
- Intézmény
- intézmények
- integrált
- Intelligencia
- belső
- belső
- bele
- kérdés
- IT
- ITS
- jpg
- tudás
- címkézés
- TANUL
- Led
- balra
- Hosszú
- hosszú idő
- Elő/Utó
- vezetés
- térkép
- max-width
- jelent
- intézkedések
- orvosi
- esetleg
- modell
- modellek
- a legtöbb
- többszörös
- elengedhetetlen
- igénylő
- nem
- kapott
- of
- gyakran
- on
- ONE
- csak
- üzemeltetési
- opció
- or
- mi
- ki
- felett
- átfogó
- beteg
- betegek
- teljesítmény
- Fizika
- Fizika Világa
- Plató
- Platón adatintelligencia
- PlatoData
- plusz
- pont
- lehetséges
- pontosan
- nyomja meg a
- megakadályozása
- elsősorban
- elsődleges
- ad
- közzétesz
- Quick
- kezdve
- gyorsan
- való Világ
- rekord
- kapcsolat
- Jelentések
- követelmények
- megköveteli,
- kutatás
- kutatók
- Eredmények
- jobb
- Kockázat
- azonos
- azt mondja,
- beolvasás
- zökkenőmentesen
- különálló
- beállítások
- számos
- szigorú
- rövid
- kellene
- jelentős
- egyetlen
- Webhely (ek)
- SIX
- készségek
- szakemberek
- specializált
- nyilatkozat
- Tanulmány
- kínálat
- rendszer
- csapat
- megmondja
- teszt
- kipróbált
- Tesztelés
- tesztek
- hogy
- A
- A terület
- A jövő
- azok
- Ott.
- Ezek
- ők
- ezt
- három
- miniatűr
- idő
- nak nek
- vett
- Végösszeg
- Vonat
- kiképzett
- Képzések
- igaz
- igazság
- kettő
- típusok
- jellemzően
- alatt
- folyamatban lévő
- megért
- megértett
- példátlan
- us
- használ
- használt
- használ
- segítségével
- ÉRVÉNYESÍT
- Értékek
- különféle
- Sebesség
- Ellen
- nagyon
- látható
- volt
- we
- JÓL
- voltak
- amikor
- ami
- míg
- WHO
- széles körben
- val vel
- nélkül
- munkafolyamatok
- művek
- világ
- ír
- röntgen
- zephyrnet