二维码
文文衫

扫一扫关注

当前位置: 首页 » 新闻资讯 » 企业新闻 » 正文

研究表明,人工神经网络可以定位额外的心跳

放大字体  缩小字体 发布日期:2025-06-29 22:15:58    来源:本站    作者:admin    浏览次数:82    评论:0
导读

      来自心腔的额外心跳,即所谓的室性心动过速,可能与严重疾病有关。卡尔斯鲁厄理工学院(KIT)的研究人员使用机器学习

  

  

Machine learning: Artificial neural networks localize extrasystoles

  来自心腔的额外心跳,即所谓的室性心动过速,可能与严重疾病有关。卡尔斯鲁厄理工学院(KIT)的研究人员使用机器学习进行非侵入性定位。这可能会促进和改善未来的诊断和治疗。研究人员使用了人工神经网络,这些神经网络经过了来自现实模拟模型的合成数据的训练。他们在《医学人工智能》杂志上发表了他们的研究结果。

  在世界范围内,心血管疾病每年造成1700多万人死亡。其中,约25%被认为是心源性猝死。它们可能是由室性心动过速引起的,即心室的快速心律失常,通常是由室性心动过速引起的。这些来自心室的额外心跳感觉就像跳过的心跳。

  正常心跳是由左心房的窦房结控制的。相比之下,心动过速是由其他地方的电信号源引起的。达到一定数量,室性早搏是正常的。然而,室性心动过速可能损害心脏功能,甚至在现有的心功能不全的情况下危及生命。

  室性心动过速可通过导管消融治疗:通过特殊导管用高频电流消融室性心动过速的起源。为此,原点必须精确地定位。将导管插入脑室进行定位的方法是微创的,但耗时且有一定的风险。

  基于心电图(ECG)的定位需要在层析成像的帮助下事先获取患者特定的几何形状。KIT生物医学工程研究所(IBT)跨学科计算心脏建模小组负责人Axel Loewe博士说:“相比之下,机器学习方法能够以非侵入性方式识别心脏外搏的起源,而无需断层成像。”

  来自IBT和卡尔斯鲁厄EPIQure公司的研究人员报告了他们如何使用深度学习从ECG信号中定位室性早搏,而无需患者特定的几何形状。为此,研究人员使用了卷积神经网络(cnn)。这是一种特殊类型的人工神经网络,它由具有不同任务的各个层组成。cnn适合于高数据量,并且可以相对快速地训练。

  研究人员专门用从现实模拟模型中获得的合成数据训练cnn。这是生成180万张早搏心电图数据集的唯一方法。最后,他们用临床数据评估了他们的方法。在所有临床病例中,82%的早搏起源被正确地确定。Loewe说:“在使用临床数据进一步优化之后,我们的方法将有可能加速医疗干预,降低风险并改善结果。”

  更多信息:Nicolas Pilia等人,使用深度学习无创定位心室兴奋起源,无患者特定几何形状,人工智能医学(2023)。引文:人工神经网络可以定位额外的心跳,研究显示(2023,july 28)检索自https://medicalxpress.com/news/2023-07-artificial-neural-networks-localize-extra.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。

 
(文/admin)
打赏
免责声明
• 
部分文章来源于网络,我们均标明出处,如果您不希望我们展现您的文章,请与我们联系,我们会尽快处理。
0相关评论
 

(c)2023-2023 www.whsdu.com All Rights Reserved

赣ICP备16007947号-10