AI用于检测胎儿问题
由科学家们从Riken Center举办的高级智能项目(AIP)领导的研究组开发了一种新颖的系统,可以使用人工智能(AI)实时自动检测胎儿心中的异常。这项技术可以帮助审查员避免失去严重和复杂的先天性心脏异常,需要迅速治疗,从而导致早期诊断和计划良好的治疗计划,并可能有助于围产期或新生儿的发展。
先天性心脏问题 - 这可能涉及中庭,心室,阀门或血管连接的异常 - 可能非常严重,占所有新生儿死亡的约20%。诊断婴儿出生前的这些问题,允许在出生后一周内迅速治疗,众所周知明显提高预后,所以有很多尝试开发技术以实现准确快速的诊断。然而,今天,胎儿诊断在很大程度上取决于经验丰富的考官使用超声成像的观察,因此对于儿童出生而没有被正确诊断,不幸的是不常见。
近年来,机器学习技术,如深度学习已经迅速发展,并且对采用机器学习进行医学应用很有兴趣。机器学习可以允许诊断系统比人类更快速和准确地检测疾病,但这需要对某种疾病的正常和异常受试者进行足够的数据集。不幸的是,自从先天性心脏问题在儿童中相对少见,没有完整的数据集,直到现在,基于机器学习的预测不足以在诊所的实际使用。然而,Riken AIP-LED集团还涉及富士通有限公司和昭和大学的合作者,决定承担这一挑战,并成功开发了新的机器学习技术,可以准确地预测使用相对较小和不完整的数据集。
一般来说,胎儿心脏诊断的专家试图找到内心的某些部位,例如阀门和血管,在基于自己的判断的正常和异常的胎儿心图像上,均不正确。研究人员发现,该过程类似于“对象检测”技术,其允许AI区分位置并分类出现在图像中的多个对象。
一组“教师”数据 - 含义通过“注释”来编写AI的数据 - 通过“注释” - 对象的含义附着 - 并用于训练物体检测系统。为了开发目前的系统,研究人员使用普通心脏图像来注释18个不同部位的心脏和周边器官的正确位置,并开发了一种新颖的“胎儿心脏筛选系统”,这允许自动检测来自超声图像的心脏异常。当测试和学习数据之间存在差异时,系统判断如果差异大于某些置信度值,则判断异常。该过程快速,可以实时执行,结果在检查屏幕上立即出现。该系统还可以帮助在不同级别的医学专业知识或设备之间协调不同医院之间的诊断。
由于专家的积累讨论,这种突破是可能的机器学习和胎儿心脏诊断。Riken AIP有许多AI专家和合作的机会,如该项目。我们希望该系统通过临床医生,学术界和本公司之间的成功合作,“Masaaki Komatsu说,这位项目的RIKEN AIP研究人员Masaaki Komatsu说。
研究人员现在计划在日本的大学医院开展临床试验,增加了更多数量的胎儿超声图像,以允许AI学到更多信息,以提高筛选精度并扩大其目标。实施该系统可以通过审查员或使用基于云系统的远程诊断来纠正区域之间的医疗差异。
进一步探索
用户评论