MIT开发AI系统检测微循环异常,从而准确识别败血症

编译:chux

出品:ATYUN订阅号

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。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181113B1K7LK00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券