基于CNN的诊断模型,使用单个肠道压力信号来测试儿童的膀符合性
Gang Yuan1,2, Zicong Ge1,2, Jian Zheng1,2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, China.
Computer methods in biomechanics and biomedical engineering
|January 9, 2024
概括
一个新的1D-CNN模型有效地选膀遵守,有助于诊断膀疾病. 这种方法为传统的泌尿动力学研究提供了更快的替代方案,特别适用于儿童.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 膀合规性评估对于诊断膀功能障碍至关重要.
- 尿动力学研究 (UDS) 是主要的方法,但复杂且耗时,特别是对于儿科患者.
- 需要一种有效的UDS前查方法来确定膀是否符合要求.
研究的目的:
- 开发和验证1D-CNN模型,用于准确和高效的膀合规性查.
- 在UDS之前创建一个更快,更容易使用的方法来识别潜在的膀功能障碍.
主要方法:
- 使用尿动力学研究 (UDS) 数据构建了一个数据集.
- 一个1D卷积神经网络 (1D-CNN) 模型被设计,优化和训练.
- 经过训练的模型应用于来自新型 perfusion 实验的数据.
主要成果:
- 与其他评估的算法相比,1D-CNN模型显示出更高的性能.
- 该模型准确有效地识别了异常的膀符合性.
- 输液实验数据,当通过模型分析时,产生了有希望的结果.
结论:
- 开发的1D-CNN模型显示出作为膀合规性的准确和高效查工具的巨大潜力.
- 这种方法可以简化膀功能障碍的诊断过程,减少在初始评估中依赖耗时的UDS.
- 需要在临床环境中进一步验证,以确认其在儿科泌尿病学中的有用性.
更多相关视频
11:46Urinary Bladder Distention Evoked Visceromotor Responses as a Model for Bladder Pain in Mice
Published on: April 27, 2014
17.8K
06:36A Decentralized Ex Vivo Murine Bladder Model with the Detrusor Muscle Removed for Direct Access to the Suburothelium during Bladder Filling
Published on: November 28, 2019
7.2K
