Echocardiography - การสแกนอัลตราซาวนด์ของหัวใจ - เป็นวิธีการถ่ายภาพที่ใช้บ่อยที่สุดในการประเมินการทำงานของหัวใจและโรคต่างๆ อย่างไรก็ตาม เทคนิคนี้ต้องใช้ทักษะเฉพาะทางซึ่งมักจะขาดแคลน อีกทางเลือกหนึ่งคือการใช้การเอ็กซ์เรย์ทรวงอก ซึ่งเป็นหนึ่งในการตรวจทางการแพทย์ที่พบได้บ่อยที่สุดและแพร่หลาย โดยหลักแล้วใช้สำหรับการวินิจฉัยและการจัดการโรคปอด แต่ในขณะที่ภาพรังสีทรวงอกมองเห็นหัวใจได้ ความสัมพันธ์ระหว่างภาพรังสีทรวงอกกับสุขภาพหัวใจยังไม่เป็นที่เข้าใจ
ทีมวิจัยที่นำโดย Daiju Ueda แห่ง มหาวิทยาลัยมหานครโอซาก้า ได้พัฒนาโมเดลการเรียนรู้เชิงลึกที่ใช้ปัญญาประดิษฐ์เพื่อตรวจหาโรคลิ้นหัวใจและจำแนกการทำงานของหัวใจจากภาพรังสีทรวงอกด้วยความแม่นยำอย่างที่ไม่เคยมีมาก่อน นักวิจัยเผยแพร่ผลงานของพวกเขาใน สุขภาพมีดหมอดิจิตอล.
โมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกอบรมและทดสอบในชุดข้อมูลชุดเดียวอาจมีแนวโน้มที่จะถูกใช้งานมากเกินไป ซึ่งโมเดลสุดท้ายจะทำงานได้ดีกับภาพในชุดข้อมูลการฝึกอบรมเท่านั้น เพื่อป้องกันสิ่งนี้ Ueda และเพื่อนร่วมงานได้พัฒนาแบบจำลองโดยใช้ข้อมูลจากสถาบันต่างๆ 22,551 แห่ง โดยมีภาพรังสีทรวงอกทั้งหมด 16,946 ภาพ บวกกับภาพคลื่นไฟฟ้าหัวใจที่เกี่ยวข้อง ซึ่งรวบรวมจากผู้ป่วย XNUMX คน
นักวิจัยใช้ภาพเอ็กซ์เรย์ 17,293 ภาพจากสถาบัน 1947 แห่งเพื่อฝึกโมเดลการเรียนรู้เชิงลึก บวกกับภาพเอ็กซ์เรย์ 3311 ภาพจากไซต์เดียวกันกับชุดข้อมูลทดสอบภายใน สำหรับการทดสอบภายนอก พวกเขาใช้ภาพเอ็กซ์เรย์ 2617 ภาพจากผู้ป่วย XNUMX รายในสถาบันที่แยกจากกัน
หลังจากติดฉลากเอกซเรย์ทรวงอกโดยใช้รายงานการตรวจคลื่นไฟฟ้าหัวใจเป็นความจริงพื้นฐาน นักวิจัยได้ฝึกฝนโมเดลของตนเพื่อเรียนรู้คุณลักษณะที่เชื่อมโยงชุดข้อมูลทั้งสองชุด พวกเขาตรวจสอบโรคลิ้นหัวใจหกประเภท ได้แก่ mitral regurgitation, aortic stenosis, aortic regurgitation, mitral stenosis, tricuspid regurgitation และ pulmonary regurgitation โดยจำแนกความรุนแรงของแต่ละโรคว่าไม่มีเลย ไม่รุนแรง ปานกลางหรือรุนแรง พวกเขายังจำแนกการวัดการทำงานของหัวใจออกเป็น XNUMX แบบ ได้แก่ left ventricular ejection fraction, tricuspid regurgitant velocity และ minor vena cava dilation
ในการประเมินประสิทธิภาพการวินิจฉัยของโมเดลการเรียนรู้เชิงลึก นักวิจัยได้คำนวณพื้นที่ใต้เส้นกราฟลักษณะการทำงานของตัวรับ (AUC) สำหรับตัวแยกประเภทหลัก 40 ตัว ซึ่งเป็นจุดตัดระหว่างไม่มี – ไม่รุนแรงและปานกลาง – รุนแรงสำหรับโรคลิ้นหัวใจทั้ง 2.8 โรค บวกค่าคัตออฟ 21% สำหรับส่วนของการดีดของหัวใจห้องล่างซ้าย, XNUMX ม./วินาที สำหรับความเร็วการไหลกลับของกล้ามเนื้อไตรคัสปิด และ XNUMX มม. สำหรับการขยาย Vena Cava ภายใน – สำหรับชุดข้อมูลการทดสอบภายในและภายนอก
ทีมงานพบว่าแบบจำลองสามารถจำแนกการทำงานของหัวใจและโรคหัวใจได้อย่างถูกต้อง ข้อมูลที่ได้รับจากการตรวจคลื่นไฟฟ้าหัวใจโดยใช้ข้อมูลจากภาพรังสีทรวงอก ค่าเฉลี่ย AUC โดยรวมสำหรับตัวแยกประเภทหลักคือ 0.89, 0.90 และ 0.92 สำหรับชุดข้อมูลทดสอบภายใน และ 0.87 สำหรับชุดข้อมูลทดสอบภายนอก (ค่าที่ใกล้ 1 บ่งชี้ว่าการจัดประเภทดีขึ้น)
โดยมุ่งเน้นไปที่ชุดข้อมูลการทดสอบภายนอก แบบจำลองสามารถจำแนกโรคลิ้นหัวใจหกประเภทได้อย่างแม่นยำ โดยมีค่า AUC ตั้งแต่ 0.83 ถึง 0.92 ค่า AUC สำหรับการจำแนกส่วนของการดีดของหัวใจห้องล่างซ้ายเท่ากับ 0.92 ในขณะที่ค่า AUC สำหรับทั้งความเร็วการสำรอกของไตรคัสปิดและการขยาย Vena Cava ภายในเท่ากับ 0.85
“เท่าที่เราทราบ การศึกษานี้เป็นครั้งแรกที่สร้างและตรวจสอบความถูกต้องของแบบจำลองการจำแนกประเภทที่ใช้การเรียนรู้เชิงลึกสำหรับการทำงานของหัวใจและโรคลิ้นหัวใจ โดยใช้ภาพถ่ายรังสีทรวงอกจากหลายสถาบัน” นักวิจัยเขียน
พวกเขาชี้ให้เห็นว่าแบบจำลองมีข้อดีหลายประการเหนือการประเมินโรคหัวใจโดยใช้คลื่นไฟฟ้าหัวใจ การเอกซเรย์ทรวงอกนั้นง่ายและรวดเร็วในการบันทึก และสามารถนำแบบจำลองไปใช้ได้อย่างรวดเร็วโดยมีข้อกำหนดด้านการคำนวณต่ำ หลังจากการนำไปใช้ครั้งแรก แบบจำลองนี้สามารถใช้งานได้โดยไม่ต้องใช้ทักษะพิเศษและเมื่อใดก็ได้ นอกจากนี้ ควรใช้ภาพถ่ายรังสีทรวงอกที่มีอยู่เพื่อให้ข้อมูลเกี่ยวกับการทำงานของหัวใจเมื่อจำเป็น โดยไม่ต้องตรวจเพิ่มเติม
แบบจำลอง AI กำหนดความเสี่ยงต่อโรคหัวใจและหลอดเลือดจากการเอ็กซ์เรย์ทรวงอกตามปกติ
“เราใช้เวลานานมากเพื่อให้ได้ผลลัพธ์เหล่านี้ แต่ผมเชื่อว่านี่เป็นงานวิจัยที่สำคัญ” Ueda กล่าวในแถลงการณ์ “นอกเหนือจากการปรับปรุงประสิทธิภาพการวินิจฉัยของแพทย์แล้ว ระบบยังอาจใช้ในพื้นที่ที่ไม่มีผู้เชี่ยวชาญ ในกรณีฉุกเฉินตอนกลางคืน และสำหรับผู้ป่วยที่มีปัญหาในการตรวจคลื่นไฟฟ้าหัวใจ”
“ในอนาคต เราหวังว่าจะประเมินการนำไปใช้จริงของแบบจำลองของเราในสถานพยาบาลต่างๆ” ผู้เขียนร่วม Shannon Walston กล่าว โลกฟิสิกส์. “สิ่งสำคัญคือเราต้องเข้าใจว่าโมเดลที่ใช้ AI ของเราสามารถผสานรวมเข้ากับเวิร์กโฟลว์ทางคลินิกได้อย่างราบรื่นได้อย่างไร และจะมีส่วนช่วยในการดูแลผู้ป่วยที่ดีขึ้นได้อย่างไร”
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://physicsworld.com/a/deep-learning-model-uses-chest-x-rays-to-detect-heart-disease/
- :มี
- :เป็น
- :ที่ไหน
- 1
- 16
- 17
- 22
- 23
- 8
- 87
- a
- AC
- ความถูกต้อง
- แม่นยำ
- นอกจากนี้
- เพิ่มเติม
- ข้อได้เปรียบ
- หลังจาก
- ด้วย
- ทางเลือก
- an
- และ
- ใด
- ประยุกต์
- เป็น
- AREA
- พื้นที่
- เทียม
- ปัญญาประดิษฐ์
- AS
- การประเมิน
- ที่เกี่ยวข้อง
- At
- ใช้ได้
- BE
- เชื่อ
- ที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- ทั้งสอง
- สะพาน
- แต่
- by
- คำนวณ
- CAN
- ซึ่ง
- ลักษณะเฉพาะ
- การจัดหมวดหมู่
- จัด
- แยกประเภท
- คลินิก
- ใกล้ชิด
- ผู้เขียนร่วม
- เพื่อนร่วมงาน
- ร่วมกัน
- การเชื่อมต่อ
- สนับสนุน
- ได้
- สร้าง
- สำคัญมาก
- เส้นโค้ง
- ข้อมูล
- ชุดข้อมูล
- ลึก
- ตรวจจับ
- แน่นอน
- พัฒนา
- ต่าง
- ความยาก
- ดิจิตอล
- โรค
- โรค
- แต่ละ
- ง่าย
- อย่างมีประสิทธิภาพ
- การจ้างงาน
- ประเมินค่า
- การประเมินผล
- ที่มีอยู่
- ภายนอก
- คุณสมบัติ
- สุดท้าย
- ชื่อจริง
- สำหรับ
- พบ
- สี่
- เศษ
- มัก
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- ฟังก์ชั่น
- อนาคต
- ช่องว่าง
- ได้รับ
- พื้น
- บริเวณ
- มี
- สุขภาพ
- หัวใจสำคัญ
- โรคหัวใจ
- ความหวัง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- อย่างไรก็ตาม
- HTTPS
- i
- ภาพ
- ภาพ
- การถ่ายภาพ
- การดำเนินงาน
- การปรับปรุง
- การปรับปรุง
- in
- แสดง
- ข้อมูล
- แรกเริ่ม
- สถาบัน
- สถาบัน
- แบบบูรณาการ
- Intelligence
- ภายใน
- ภายใน
- เข้าไป
- ปัญหา
- IT
- ITS
- jpg
- ความรู้
- การติดฉลาก
- เรียนรู้
- นำ
- ซ้าย
- นาน
- เวลานาน
- ต่ำ
- การจัดการ
- แผนที่
- ความกว้างสูงสุด
- หมายความ
- มาตรการ
- ทางการแพทย์
- อาจ
- แบบ
- โมเดล
- มากที่สุด
- หลาย
- จำเป็น
- ต้อง
- ไม่
- ที่ได้รับ
- of
- มักจะ
- on
- ONE
- เพียง
- การดำเนินงาน
- ตัวเลือกเสริม (Option)
- or
- ของเรา
- ออก
- เกิน
- ทั้งหมด
- ผู้ป่วย
- ผู้ป่วย
- การปฏิบัติ
- ฟิสิกส์
- โลกฟิสิกส์
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- บวก
- จุด
- เป็นไปได้
- อย่างแม่นยำ
- กด
- ป้องกัน
- ส่วนใหญ่
- ประถม
- ให้
- ประกาศ
- รวดเร็ว
- ตั้งแต่
- อย่างรวดเร็ว
- โลกแห่งความจริง
- ระเบียน
- ความสัมพันธ์
- รายงาน
- ความต้องการ
- ต้อง
- การวิจัย
- นักวิจัย
- ผลสอบ
- ขวา
- ความเสี่ยง
- เดียวกัน
- พูดว่า
- การสแกน
- ได้อย่างลงตัว
- แยก
- การตั้งค่า
- หลาย
- รุนแรง
- สั้น
- น่า
- สำคัญ
- เดียว
- สถานที่ทำวิจัย
- หก
- ทักษะ
- ผู้เชี่ยวชาญ
- เฉพาะ
- คำแถลง
- ศึกษา
- จัดหาอุปกรณ์
- ระบบ
- ทีม
- บอก
- ทดสอบ
- การทดสอบ
- การทดสอบ
- การทดสอบ
- ที่
- พื้นที่
- พื้นที่
- ก้าวสู่อนาคต
- ของพวกเขา
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- สาม
- ภาพขนาดย่อ
- เวลา
- ไปยัง
- เอา
- รวม
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- จริง
- ความจริง
- สอง
- ชนิด
- เป็นปกติ
- ภายใต้
- กำลังดำเนินการ
- เข้าใจ
- เข้าใจ
- เป็นประวัติการณ์
- us
- ใช้
- มือสอง
- ใช้
- การใช้
- ตรวจสอบความถูกต้อง
- ความคุ้มค่า
- ต่างๆ
- ความเร็ว
- กับ
- มาก
- มองเห็นได้
- คือ
- we
- ดี
- คือ
- เมื่อ
- ที่
- ในขณะที่
- WHO
- อย่างกว้างขวาง
- กับ
- ไม่มี
- ขั้นตอนการทำงาน
- โรงงาน
- โลก
- เขียน
- รังสีเอกซ์
- ลมทะเล