基于人工神经网络的方法选儿童的心脏声
C G DeGroff1, S Bhatikar, J Hertzberg
1University of Colorado Health Sciences Center, the Children's Hospital, Denver, CO 80218, USA. degroff.curt@tchden.org
Circulation
|June 8, 2001
概括
人工神经网络 (ANN) 可以准确地区分无辜和病态的心脏声. 这项技术显示出开发一个具有成本效益的儿童心脏病查设备的前景.
科学领域:
- 儿科心脏病学 儿科心脏病学
- 生物医学工程 生物医学工程
- 医学中的人工智能
背景情况:
- 早期发现儿科心脏病至关重要.
- 目前对心脏声的查方法有局限性.
- 人工神经网络 (ANN) 擅长复杂的模式识别.
研究的目的:
- 训练一个人工神经网络 (ANN),有效地区分无辜和病态的心脏声.
- 评估ANN在儿科心脏病学中的诊断潜力.
主要方法:
- 记录了69名儿科患者的心脏声音,使用电子耳语镜.
- 数字信号分析处理了声音样本.
- 一个定制的人工神经网络 (ANN) 被训练和评估.
主要成果:
- 在收集的数据上,ANN在分类心脏声音方面实现了100%的灵敏度和特异性.
- 为ANN分类系统确定了最佳设置.
- 对未来未知病例进行更好的概括可能需要加强训练数据表示.
结论:
- 作为分类心脏声音的准确诊断工具,ANN显示出显著的潜力.
- 这项技术对大容量儿科心脏病查设备具有前景.
- 进一步开发可能会导致儿童心脏病学诊断能力的提高.
