您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
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
924106
0
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
广告
广告
写评论取消
回复取消