صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
با هوش مصنوعی؛

تمایز بین اختلالات دریچه‌ای قلب و عملکرد آن مشخص شد

محققان با استفاده از هوش مصنوعی، مدلی را برای تشخیص بیماری دریچه‌ای قلب و عملکرد قلب طراحی کردند.
کد خبر : 856818

به گزارش خبرنگار خبرگزاری علم و فناوری آنا، پژوهشگران مدلی را با استفاده از هوش مصنوعی برای تمایز بین اختلالات دریچه‌ای قلب و عملکرد قلب، با استفاده از رادیوگرافی قفسه سینه با موفقیت طراحی کردند. هدف این تیم، گردآوری اطلاعات چند سازمانی بود، زیرا هوش مصنوعی آموزش‌دیده، بر روی یک مجموعه داده ممکن است جانب‌دارانه عمل کند و درنتیجه دقت پایینی داشته باشد.

رادیوگرافی قفسه سینه یک آزمایش مکرر و در دسترس است و می‌تواند ویژگی‌های قلبی عروقی مانند سایه‌های قلب و عروق را نشان دهد. بااین‌حال، این موضوع که این تصاویر تا چه حد می‌توانند عملکرد قلب و بیماری دریچه‌ای قلب را پیش‌بینی کنند، هنوز در حال تصمیم‌گیری است.

دانشمندان دانشگاه «متروپولیتن اوزاکا» (Osaka Metropolitan University) با استفاده از مجموعه داده‌های چندین مؤسسه، به‌طور هم‌زمان یک مدل یادگیری عمیق را برای تشخیص بیماری دریچه‌ای قلب و عملکرد قلب از رادیوگرافی قفسه سینه ایجاد و تأیید کرده‌اند. این مدل، عملکرد قلبی را طبقه‌بندی می‌کند و بیماری دریچه‌ای قلب را با دقت بی‌سابقه‌ای تشخیص می‌دهد.

بر این اساس، ۲۲ هزار و ۵۵۱ رادیوگرافی قفسه سینه همراه با ۲۲ هزار و ۵۵۱ اکو قلب از ۱۶ هزار و ۹۴۶ بیمار در چهار مرکز، بین سال‌های ۲۰۱۳ تا ۲۰۲۱ جمع‌آوری شد. رادیوگرافی قفسه سینه به‌عنوان داده‌های ورودی و اکو‌های قلب به‌عنوان داده‌های خروجی در نظر گرفته شدند. مدل هوش مصنوعی برای یادگیری ویژگی‌هایی مشترک هر دو مجموعه داده، آموزش داده‌شده است.

این مدل هوش مصنوعی توانست دقیقاً شش نوع بیماری انتخاب‌شده از دریچه‌ قلب را با ناحیه زیر منحنی «AUC» (یک شاخص رتبه‌بندی است که توانایی یک مدل هوش مصنوعی را نشان می‌دهد و از محدوده ارزشی بین ۰ تا ۱ استفاده می‌کند و هر چه به ۱ نزدیک‌تر باشد، بهتر است) که از ۰.۸۳ تا ۰.۹۲ متغیر است، دسته‌بندی کند.

دایجو اوئدا (Daiju Ueda)، از دپارتمان رادیولوژی تشخیصی و مداخله‌ای (Department of Diagnostic and Interventional Radiology) در دانشکده تحصیلات تکمیلی پزشکی دانشگاه متروپولیتن اوزاکا (Graduate School of Medicine of Osaka Metropolitan University)، گفت: «مدت زیادی طول کشید تا این نتایج را به دست آوریم، اما من معتقدم این تحقیق بسیار مهم است. علاوه بر بهبود تشخیص پزشکان، این سیستم ممکن است در مناطقی که متخصصی وجود ندارد، یا در اورژانس‌های شیفت شب و برای بیمارانی که در انجام اکو قلب مشکل‌دارند نیز استفاده شود.»

انتهای پیام/

ارسال نظر