Digital T硬漢 Tk(DTT)

人工智能將如何幫助預防早產?

根據世界衛生組織(WHO)的報告,每年有15萬新生兒受到自然早產的影響。 多達一百萬人死亡。 許多人終生殘疾,常用的手動分析 超聲圖像 可以檢測到可能的問題,但不是完美的方法。 這個問題已被醫生認可。 2017年,NicoleSochacki-Wójcicka(即將專攻婦科)和JakubWójcicki聯繫了Dr. 電子和信息技術學院的TomaszTrzciński 華沙工業大學 (WUT),並詢問是否有可能啟動一個項目以更自發地進行預測 早產 使用 神經網絡 意識到。 然後成立了一個研究小組並開始工作。 最初的作用是已知的。 我們的解決方案可以支持計算機診斷,並提供對自然早產的更準確的預測,“華沙理工大學的畢業生SzymonPłotka解釋說,該項目的團隊成員之一。

圖片來源:

訓練神經網絡


在我們開始該項目之前,與我們一起工作的醫生以宮頸形狀輪廓的形式準備了一組學習數據,驗證數據和註釋 超聲波和數字圖像 (0和1),依次對應於:足月出生,早產,“解釋SzymonPłotka。


預清潔後,此類數據將用作“學習”數據。 神經網絡 -在這種情況下是卷積網格() - 用過的。
SzymonPłotka解釋說,它逐個像素地分析每個圖像,並提取必要的特徵,這些特徵用於對圖像的有趣部分(在這種情況下是子宮頸)進行分割和分類(無論是否早產)。 一旦那個 神經網絡 訓練後,將使用訓練期間未使用的測試數據進行測試。 這檢查了訓練模型的有效性。


該項目產生了兩個科學出版物。


“”中的結果使用U-Net分割網絡估算早產標記“ 所描述的工作包括使用神經網絡將自發性早產的預測誤差從30%(由醫生手動進行)降低到18%。 在“使用卷積神經網絡進行的自發早產預測”中,研究人員提出了與第一版出版物相比更高的分割質量,並獲得了更好的分類結果。 據我們所知,這是目前僅有的有關經陰道超聲圖像預測自發性早產任務的現有作品-SzymonPłotka說。

科學家們目前正在以Web應用程序的形式從事一項服務。 您想在那裡提供準備好的神經網絡模型。 旨在幫助婦科醫生進行分析 超聲圖像 幫助等自然診斷 早產 支持。 這樣可以拯救數百萬新生兒的生命和健康。