用深度学习检测冠心病:不依赖血管造影且成本下降25%

2023-12-18 08:50

本文主要是介绍用深度学习检测冠心病:不依赖血管造影且成本下降25%,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文来自AI新媒体量子位(QbitAI)

冠心病是人类的一大杀手,全球每年将近900万人死于冠心病。在美国,每年有1200万到1300万人被确诊。心脏病极易摧毁生命的原因之一检测困难,尤其在女性身上。目前的检测方法大多依赖血管造影,造价高昂且侵略性强。

最近,个性化医疗技术公司HeartFlow用深度学习的方法找到了更好的解决方案。

640?wx_fmt=png&wxfrom=5&wx_lazy=1


替代检测

HeartFlow提供了一种不那么侵略性的替代检测法。它融合了传统的CT扫描、复杂的流体动力学知识和机器学习算法,构建出患者心脏的3D模型图,提供阻塞位置和血流量的具体信息,为医生提供详细参考。

这个方案意味着,将近60%的患者可以避免侵略性强的血管造影检测,检测费用也降低了25%。

心脏建模

建立心脏模型是复杂的巨大挑战。除了需要为每位患者构建精准的亚体素模型外,还需模仿血液在每个血管中的流动。在快节奏的急诊部,诊断时间是一个重要的考量点。

“当急诊室里的病人疑似冠心病症状时,他们需要快速诊断。”HeartFlow工程部高级副总裁Leo Grady说。

HeartFlow用深度学习的方法解决了这个痛点,即用新型血管特异性结构分析血流。

HeartFlow应用的计算机视觉算法通过理解CT扫描中的医学影像数据,分析并构建患者心脏和冠状动脉的个性化3D模型。

不过,生成出模型可不是终点,还需要修正和评测。受过训练的专业人员细致评估模型,判读生成的模型是否需要调整,保证成像数据模型的精度和准确性。因此,算法处理的图像越多,它们就越精确。

政府支持

目前,美国国家食品药品监督管理局已经批准了这一计划,它也得到了英国国家健康和临床研究所的支持。

“使用GPU加速的深度学习,可以帮助快速作出精确且个性化的决策,”Grady说。“这意味着更好的治疗结果,以及更少的医疗体系支出。”

【完】

本文作者:安妮 
原文发布时间:2017-07-08

这篇关于用深度学习检测冠心病:不依赖血管造影且成本下降25%的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/507802

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

每天认识几个maven依赖(ActiveMQ+activemq-jaxb+activesoap+activespace+adarwin)

八、ActiveMQ 1、是什么? ActiveMQ 是一个开源的消息中间件(Message Broker),由 Apache 软件基金会开发和维护。它实现了 Java 消息服务(Java Message Service, JMS)规范,并支持多种消息传递协议,包括 AMQP、MQTT 和 OpenWire 等。 2、有什么用? 可靠性:ActiveMQ 提供了消息持久性和事务支持,确保消

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学