AI是在分析心脏扫描更快,比人类更有效

能赌钱的app首页领导的研究发现为研究和临床潜在的好处

通过 斯科特·麦尔

被称为先进的机器学习型人工智能可以从心脏超声波检查速度更快,更准确,更比委员会认证的超声心动图的数据较少必不可少的意见进行分类,根据一个领导能赌钱的app首页研究人员的一项研究。 

在一项研究中出现的在线3月21日,2018年,在该杂志 NPJ 数字医疗, 研究人员使用超过180,000的真实世界超声心动图(回波)图像来训练计算机评估最常见的超声心动图的观点,然后测试计算机和上新样本熟练的人力的技术人员。他们发现计算机准确评估回声视频的时间91.7-97.8%,而他们的人的相应70.2-83.5个百分点。

“这些结果表明我们的方法可能会有所裨益超声心动图提高自己的精度,效率和工作流程,并且还可以提供用于超声心动图数据进行更好的分析为基础,说:”资深作家 玛arnaout医学博士, UCSF医疗 心脏病专家和助理教授在心脏病的UCSF部门。

成像是医疗诊断的重要组成部分,但解释医用图像诸如超声心动图是一个复杂的,耗时的过程,通常需要大量的训练。的回波由众多视频剪辑,从十几不同的角度,或测量的静态图像和心脏录音“视图,”其中一些可能只有细微的差别的。人解释限制规范准确的分析,从而限制了其完整的临床和科研潜力精密医学回音。

深的学问是已经被证实有助于在放射科,病理科,皮肤科等领域基于图像的诊断先进的机器学习的一个强大的,多层次的形式。然而,还没有被广泛应用到超声心动图,部分原因是由于他们的多视角,多模态格式的复杂性。 

在里面 NPJ 数字医疗 研究中,arnaout和她的同事们使用从收购2000-2017年龄20-96 267 UCSF医疗中心的病人,223787个图像。随机选择的,现实世界的回声图片来自多个设备制造商和各种覆盖回声适应证,技术质量和病人的变量,包括性别和体重来了。

研究人员建立了一个多层神经网络,并用于监督学习同时分类15层标准的意见。他们随机选择80%的图像(180294)进行培训,以及用于验证和测试保留的20%(43493)。对于性能比较,每个委员会认证的echocardiographer参与研究给予1500个随机选择的图像,100从每个视图中,从提供给模型相同的测试集合中提取出来。 

总体而言,计算机从与97.8%的准确率12次视频观看分类的图像,所述arnaout。即使是单一的,低清晰度的图像,其中15次准确率为91.7%,比70.2%至83.5%,为超声心动图。进一步的分析表明该模型发现使用临床相关的图像特征相关的意见,并分类中识别相似之处。

除了这些发现,研究人员了解到,通过去除颜色,规范大小和形状的视频和静止图像进行训练,图像可以在文件大小,而不会失去其准确度,允许更少的存储空间和更容易传输减少。

“我们的模型可以扩展到分类超声心动图,以及疾病,有研究基础工具,用于临床实践,为培养下一代超声心动图的工作更多的子类,”说arnaout,的一员 能赌钱的app首页计算研究所健康科学.

其他贡献者 NPJ 数字医疗 研究中主要作者阿里·迈达尼,MS,和Mohammad mofrad博士,加州大学伯克利分校,并RAMY arnaout,医学博士,哲学博士,的贝斯以色列女执事医疗中心的。财政支持由国家卫生心脏,肺和血液研究所(k08hl125945)和美国心脏协会精密医学研究所(15gpspg23830004和17igmv33870001)的国家机构提供。

能赌钱的app首页(UCSF)是一家致力于通过先进的生物医学研究,在生命科学和健康专业的研究生层次教育和卓越的病人护理促进健康的全球领先的大学。这包括 排名最高 毕业牙科,医学,护理和药学的学校;一个研究生部在基本,生物医药,过渡和人口科学全国闻名的方案;和卓越的生物医学研究的企业。它还包括能赌钱的app首页的健康,其中包括三个排名第一的医院, UCSF医疗中心 和UCSF贝尼奥夫儿童医院 旧金山 和 奥克兰和其他合作伙伴和附属医院和医疗服务提供者在整个海湾地区。