MIT开发AI系统检测微循环异常,从而准确识别败血症

2018年11月13日 由 浅浅 发表 923878 0
MIT开发AI系统检测微循环异常,从而准确识别败血症在美国,医院中死亡的患者,有三分之一患有败血症,这是一种危及生命的感染并发症。为了帮助尽快发现疾病,麻省理工学院的研究人员正在探索一种基于深度学习的方法,这种方法有朝一日可以近乎实时地自动检测人类患者的病情。

使用NVIDIA TITAN X GPU和cuDNN加速 PyTorch深度学习框架,该团队训练了一个卷积神经网络,以从患者的暗视野微循环视频区分有无败血症和无败血症。

微循环是最小血管中的血液流动,存在于除角膜外的所有组织和器官中。微循环系统的突然变化,包括血液流动的变化,与败血症的病理生理学相关。以前的研究已成功检测到猪和其他动物视频中的微循环功能障碍。然而,这是一项研究首次成功使用深度学习来检测危重病人的微循环异常。



从微循环视频中采样帧,调整大小为224×224×3像素并馈入CNN以区分图像与败血症和正常患者。ResNet18的片段作为架构。

该团队从位于马萨诸塞州波士顿的贝斯以色列女执事医疗中心(哈佛大学教学医院)的重症监护室获得了同意患者的训练数据。视频由诊断为感染性休克和非败血症患者组成。

团队使用ResNet18作为基础,开发了一个10层架构。裁剪所有训练视频并将其调整为224 x 224 x 3像素,以在数据集中创建一致性。然后团队应用了Adam优化器。经过训练,分类器的准确率达到89%。

研究人员表示,独立于时间信息的明显可学习表征,可以帮助区分败血症患者的图像。

研究人员指出,“我们假设我们的神经网络可能是学习特征,这些特征与时间信息无关,例如来自败血症和正常患者的图像之间血管的数量,长度和密度的变化。”

该研究论文将于近期发表在ArXiv上。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消