学习
实践
活动
工具
TVP
写文章

人工智能训练使用视网膜扫描发现心脏病风险

谷歌及其子公司Verily的科学家们发现了一种利用机器学习来评估一个人患心脏病风险的新方法。通过分析病人眼睛后部的扫描结果,该公司的软件能够准确地推断出数据,包括个人的年龄、血压,以及他们是否吸烟。 这些信息可以用来预测他们患心脏病的风险,比如心脏病发作,与目前的主要方法大致相同。 使用神经网络进行图像识别的优势是,你不必告诉它在图像中寻找什么,你甚至不需要关心它寻找什么。 现在,研究人员已经做到了这一点,即利用病人视网膜的图像训练出一种深度学习算法来识别心脏病的风险。 结果显示,其性能与根据上述多种因素得到的心脏病风险评估计算结果类似,但该算法是通过图像完成估计的,而不是通过一些测试和详细的问卷调查。 随着一些改进措施的推出,该算法可能成为一种有用的诊断工具,因为视网膜图像常被用来筛查与糖尿病相关的眼睛问题,而糖尿病通常与心脏病有关。

51650

比人类更准确:人工智能可有效预测心脏病与中风

当它与标准的预测方法进行比较时,人工智能系统多预测对了355名患者的命运。 众所周知,预测这些心血管疾病是一件极其困难的事。 目前,评估患者患病风险的标准方法依赖于美国心脏病协会和美国心脏病学院制定的指导方针。 研究人员抽取了75%的医疗记录,录入机器学习模型中,后者开始着手找出那些在10年内罹患心脏病和中风的病人的明显特征。 Weng描绘了一个繁忙的初级护理医生使用已经训练好的人工智能工具识别模式的画面。 然而,在人工智能进入实际应用阶段之前,这项技术将不得不跨越一些严重的监管阻碍。

48460
  • 广告
    关闭

    【11.11特惠】AI人工智能低至0.2折

    11.11云上盛惠,人脸核身、人脸识别、文字识别、语音技术、人脸特效等AI产品限时抢!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    前沿 | Science:自学习式人工智能可协助预测心脏病发作

    心脏病发作就特别难以预测。现在,科学家已经表明,自我学习式计算机可比标准医疗指导方针实现更好的性能,显著提高预测率。如果推广开来,这项新方法每年可挽救数千甚至数百万的生命。 ? 加州斯坦福大学血管外科医生 Elsie Ross 说:「这种方法简直太重要了,我真的希望医师们能够开始使用人工智能帮助照顾患者。」 每年有近 2000 万人死于心脑血管疾病,包括心脏病、脑溢血、阻塞性动脉和其他循环系统功能性障碍。为了预测这些疾病,许多医师使用和美国心脏病学会/美国心脏协会(ACC/AHA)相似的指导方针。 这些相互作用是违反直觉的:在某些情况下,身体大量的脂肪实际上可防止心脏病发作。Weng 说:「这是人类身体的真实情况,计算机科学可帮助我们探索这些因素之间的关联。」 所有 4 种人工智能方法的表现都优于 ACC/AHA 指导方针。

    571120

    人工智能通过扫描视网膜,预测心脏病发作

    大数据文摘出品 配眼镜的时候,就能看出来你有没有心脏病发作风险,是不是很神奇? 这不是什么科幻故事,而是一项正在走进现实的研究。 视网膜的微小血管或眼睛后部的细微变化可以显示出一个人可能有心脏病发作的迹象,这使得人工智能有了用武之地。 为了训练这种人工智能,研究人员一共找了5000多名英国人的视网膜扫描图,再加上患者的基本医学数据,比如年龄和性别,然后让它将病人视网膜的损伤迹象与心脏的变化联系起来。 对比数据是病人的历史数据,可以看出他们是否遭受过心脏病。 训练后的AI可以估计左心室的大小和泵血功效,左心室扩大或泵血低效是心脏病的一个指标。 以后验光师就可以提醒心脏病风险? 一些研究表明,被忽视的心脏病发作几乎占到一半,而另一些研究则估计为五分之一,在英国,就有大约有1400万人被认为患有高血压,这是心脏病发作的主要危险因素之一,其中有500万人没有意识到自己正处于危险之中

    9430

    【Science重磅】自学习人工智能在预测心脏病发作上击败人类医生

    【新智元导读】Science 今日报道,科学家使用能够自学习的人工智能技术,让计算机在预测心脏病的发作上击败了人类医生。一旦投入使用,这一新的诊疗手段每年将拯救数以千计甚至百万计的生命。 例如,心脏病的发作就很难预测。现在,科学家证明,自我学习的计算机,相比较标准的医疗诊断程序而言,能够显著提高心脏病预测率。一旦投入使用,这一新的诊疗手段每年将拯救数以千计甚至百万计的生命。 “其意义之重大无法言喻”,斯坦福大学血管外科医生Elsie Ross虽然没有参与这项研究,但是评论如是,“我衷心希望医生们都开始借助人工智能来协助诊疗患者。” 每年有近2000万人死于心血管疾病,包括心脏病发作,中风,动脉栓塞和其他循环系统功能障碍,为了预测这些病症,许多医生会借助于类似美国心脏病学会/美国心脏学会(ACC / AHA)的指南。 首先,人工智能(AI)算法必须进行自我训练。它们使用约78%的数据,大约295267条记录,来探寻模式并构建自己的内部“指导机制”。之后它们使用剩余的记录来进行自我测试。

    74960

    数据集 | 心脏病患者数据集

    下载数据集请登录爱数科(www.idatascience.cn) 该数据集包括心脏病患者的匿名数据,包括患者年龄、性别、胸痛类型和静息血压等信息,可用于分析心脏病患者的普遍症状和治疗方法。 1.

    34020

    AI早期诊断可挽救心脏和癌症患者

    牛津大学医院研究人员开发出了一种可以诊断心脏病和肺癌的人工智能,使疾病可以更早地得到治疗。 2018年夏天,英国国民医疗服务(NHS)医院将开始免费提供心脏病治疗技术。 而牛津大学医院的研究人员开发出了一种可以诊断心脏病和肺癌的人工智能。该系统将节省数十亿英镑,使疾病可以更早地得到治疗。政府的卫生保健官员约翰贝尔爵士表示,人工智能可以“拯救英国国民医疗服务”。 目前,心脏病专家可以从扫描的心跳时间来判断是否有问题。但即使是最好的医生也有五分之一的情况下出错。病人要么被送回家,要么心脏病发作,要么接受不必要的手术。 估计这将花费英国国民保健服务600万英镑在不必要的手术和治疗中,并在全面扫描后治疗心脏病发作的人。试验结果表明,这套人工智能系统每年可以为英国国民保健服务节省3亿多英镑。 它通过对利森教授过去7年治疗过的1000名患者的扫描信息以及有关患者是否患有心脏病的信息,进行识别潜在问题的训练。 另一个人工智能系统是用于寻找肺癌迹象。它搜索被称为结节的大块细胞团。

    45950

    实战|如何利用深度学习诊断心脏病

    摘要: 本文探讨的是开发一个能够对心脏磁共振成像(MRI)数据集图像中的右心室自动分割的系统。到目前为止,这主要是通过经典的图像处理方法来处理的。而现代深度学习...

    87030

    基于随机森林模型的心脏病人预测分类

    作者:Peter 编辑:Peter 大家好,我是Peter~ 今天给大家分享一个新的kaggle案例:基于随机森林模型(RandomForest)的心脏病人预测分类。 该数据集提供了许多变量以及患有或不患有心脏病的目标条件。下面,数据首先用于一个简单的随机森林模型,然后使用 ML 可解释性工具和技术对该模型进行研究。 年龄越大,患心脏病的几率越低?

    48410

    人工智能已经开始在医学上应用

    在5月初谷歌(GOOG, Google)大型开发者大会上,首席执行官桑达尔·皮查伊(Sundar Pichai)上台,详细阐述了其最新的人工智能研究有朝一日将如何帮助医生发现心脏病。 此外,人工智能系统对心脏病的判断是基于对患者视网膜的扫描——一种已知的为人们的心脏健康提供线索的方法——几乎和传统的血液测试一样准确。 计算机视觉技术在成像方面非常有用,但它远不是研究人员在医学领域使用人工智能的唯一方法。 在斯坦福大学医学院,乔什·诺尔斯博士是使用病人的电子健康记录(EHRs)来识别之前未被诊断出患有家族性高胆固醇血症(FH),遗传心脏病影响1 250人,结果在一个高的机会早发性心脏病心脏病如果不及时治疗 乔什·诺尔斯博士正在帮助使用人工智能和机器学习来识别潜在的心脏病人 。(资料来源:Norbert von der Groeben/斯坦福医学院) ?

    30820

    实战案例 | 使用机器学习和大数据预测心脏病

    值为 1: 上斜 值为 2: 水平 ca : 被透视荧光检查(flourosopy)标注颜色的大血管的数量 (0-3) thal : 3 = 正常; 6 = 固有缺陷; 7 = 可修复缺陷 num : 心脏病的诊断 同样的,最后的“num”参数基于用户是否有心脏病转换为数字“1”或“0”。因此在最后的“num”字段中,大于“1”的任何值会被转换为“1”,这意味着心脏病的存在。 数据文件现在被读到RDD去了。 总结 使用像 Apache Spark这样的工具和它的机器学习库,我们能够轻易地加载到一个心脏病数据集(从UCI),并训练常规机器学习模型。这个模型稍后会在测试数据上运行,用来预测心脏疾病的出现。

    2.5K60

    业界 | 微软发力医疗AI,联合阿波罗医院开发心脏病诊断算法

    AI 科技评论按:人工智能的好处显而易见,比如在医疗健康领域,人类专家需要花费数年时间不断研究和纠错,才能总结出一套基于各种因素诊断疾病的方法,但对人工智能而言可能只是几分钟的事情。 「我们与阿波罗医院的合作,将我们在人工智能和机器学习领域的特长和阿波罗医院在心脏病方面的专业知识和经验结合到了一起」,微软人工智能研究中心副总裁 Peter Lee 说道。 他还指出,人工智能与医疗健康系统的结合是为了更好地赋能医务工作者,从而推动人工智能的普及。这个过程是以解决方案为导向的,通过更加直观、快捷和有效的诊断方法来减轻疾病对人类造成的负担。 在印度,心血管疾病是导致患者死亡的主要原因之一,心脏病导致的死亡率比全球平均水平高出 0.235%(截至 2016 年)。对于患有早发型疾病的患者来说情况更是严峻。 阿波罗医院掌握了大量心脏病患者的临床病史数据,他们计划利用这些数据和人工智能等先进技术来预测和预防心脏病的发生。

    40480

    在预测心脏病和中风这件事上,AI又超过了人类医生(附论文)

    人工智能与医生之间的配合越发紧密。 尽管有很多技术尚未经过临床验证,但在许多实验中,人工智能系统的确在诊断疾病、分析医学影像和预测健康结果方面表现出很大的潜力。 如今,人工智能又取得了更大的进步:英国诺丁汉大学的研究人员开发的新系统可以扫描病人的日常医学数据,并预测哪些人可能在10年内患心脏病或中风。 研究人员最近在《PLOS One》期刊上发表的一篇论文中指出,约有半数心脏病和中风病人之前未被标记为“存在风险”。 目前标准的风险评估方式是根据美国心脏病学会制定的指导原则进行的。医生使用这些指导原则来对病人进行问诊和治疗,主要关注的风险因素包括高血压、胆固醇、年龄、吸烟史、糖尿病等。 研究人员从中选取75%的病例数据,然后提供给机器学习模型,由它寻找那些在10年内患心脏病或中风的病人特征。Weng的团队之后又对另外25%的病例进行了测试,看看具体的预测精确度。

    44630

    心脏病预测模型(基于Python的数据挖据)

    作者:Abdullah Alrhmoun 该项目的目标是建立一个模型,该模型可以根据描述疾病的特征组合预测心脏病发生的概率。 该项目中使用的数据集包含针对心脏病的14个特征。数据集显示不同水平的心脏病存在从1到4和0没有疾病。我们有303行人数据,13个连续观察不同的症状。 else x) heart[c] = heart[c].astype(float) >>心脏病类型发现 set(heart.loc[:, "diagnosis"].values) (0 :没有疾病 } # 根据相近值排序sorted_sim = sorted(sim.items(), key=operator.itemgetter(1))sorted_sim 可以分别使用每个特征的值来比较心脏病的类型

    95840

    数据分析实战:利用python对心脏病数据集进行分析

    留下一个疑问,心脏病女性更容易得嘛?百度了一下,发现这个问题提问的人不少,但没有具体很科学的回答。google也同样如此。 有没有心脏病和年龄有关系吗? 来做个图看一下。并尝试用不同的颜色区分。 所以并不能直接从静息血压很好的判断出是否患心脏病。 那么血压与其他什么有关呢? 比如心率?好,来看看。 胸痛类型和心脏病、血压三者关系 表中有个数据是胸痛类型四个,分别是0123,他们和心脏病有关系吗,作图看看。 此外这块我要说的是,我上边的翻译是1 典型、2非典型、3非心绞痛、4无症状。 我推测是:他们有心脏病,运动就难受,所以就不运动,所以根本不会有“运动时产生胸痛”这种问题。

    1.2K10

    数据集 | 心脏病发作分析和预测数据集

    下载数据集请登录爱数科(www.idatascience.cn) 心脏病的患者的一些指标以及是否发病的数据集。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4.

    29420

    爱数科案例 | 心脏病患者分类建模与分析

    其中,85%死于心脏病和中风。心脏病已经成为威胁生命的最主要疾病之一。 本案例使用K近邻分类器对心脏病患者进行分类预测。 所采用的数据集是心脏病患者数据集,该数据集共有14个字段,303条数据,记录了患者的基本信息及其各项血液指标的情况。 读取心脏病患者数据集 首先,读取数据集,该数据集是UCI上的心脏病患者数据集,其中包含了 303 条患者信息,每一名患者有 13 个字段记录其基本信息(年龄、性别等)和身体健康信息(心率、血糖等),此外有一个类变量记录其是否患有心脏病心脏病比例饼状图 选取target字段画出饼图,可以看出,该数据集中患有心脏病的人群比例较高,但两个类别的样本数量相差不大。 6. 构建K近邻心脏病患者分类模型 构建K近邻分类模型,将target作为我们的标签列,其余各字段均作为模型的特征列。

    42510

    刚刚,中国完成首例AI+5G心脏手术!2分钟AI建模,400公里远程协作“补心”

    AI+5G,第一次成功完成远程指导下的心脏病手术。 患者情况:先天心脏病,心脏出现孔 接受AI+5G手术的是一位41岁的女性患者,据医生介绍,这名患者有先天心脏病,近期因“劳力性心悸、气促10余天”入院。 对于心脏结构比较变化大的,用一些传统计算机视觉的方法;关于心脏的一些精细结构,使用人工智能与传统计算机视觉方法的混合架构。 对于AI,虽然近年来人工智能在医疗领域取得了飞速进展,但在实际临床中的应用却非常有限。其中一个主要的原因就是人工智能还缺乏足够的可信度和可解释度来完全取代医生进行自动诊治。 史弋宇说,团队目前阶段主要着眼于人工智能在医疗系统中的辅助作用来帮助其尽快落地。

    29720

    扫码关注腾讯云开发者

    领取腾讯云代金券