首页»行业  »   医疗  »   正文

AI针对心律症状进行分类,准确度堪比人类专家

AI针对心律症状进行分类,准确度堪比人类专家

据美国疾病控制中心估计,美国估计有270到610万人患有心房颤动,这是心律不齐的一种最常见的类型。

为了帮助区分无害的心律失常和危及生命的情况,斯坦福大学,加州大学旧金山分校和Rhythm Technologies的研究人员开发了一种基于深度学习的系统,可以自动对各种心律失常进行分类。该研究结果最近发表在Nature Medicine期刊上。

团队使用NVIDIA TITAN GPU,以及cuDNN加速的TensorFlow深度学习框架,用计算机化的心电图检测的12种心律类别训练了深度神经网络,训练数据集包括53549名患者的91000个ECG记录。

研究人员在他们的论文中指出:“在这项研究中,我们构建了一个大型的心电图数据集,专家对该数据集的各种心电图节律类别进行了注释。我们的研究首次全面展示了一种深度学习方法,对最常见和最重要的ECG心律诊断进行分类。”

深度神经网络可以对十种不同的心律失常、窦性心律和噪声进行分类,准确度均为97%,只有一项测试低于97%。

研究人员表示,“如果通过临床试验在临床环境中进行验证,我们的方法可能会产生实质性的影响,总之,我们证明了端到端的深度学习方法可以将多种不同的心律失常进行分类,其诊断准确率与专家不相上下。”

AI针对心律症状进行分类,准确度堪比人类专家

深度神经网络架构

深度神经网络由33个卷积层组成,然后是一个softmax的线性输出层。该网络接受原始ECG数据作为输入,每256个输入样本输出一个预测,即12个可能的心律分类中的一种。

该研究由斯坦福大学的Awni Hannun和吴恩达领导,美国国立卫生研究院也对这项工作给予了支持。

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

发表评论