相关实验视频
Updated: Jul 3, 2025

08:39
A Murine Model of Hemodialysis Access-Related Hand Dysfunction
Published on: May 31, 2022
1.7K
DeepVAQ:一种适应性深度学习,用于预测血液透析患者的血管接入质量
Sarayut Julkaew1, Thakerng Wongsirichot2, Kasikrit Damkliang3
1College of Digital Science, Prince of Songkla University, Hat Yai, Songkhla, Thailand.
BMC medical informatics and decision making
|February 12, 2024
概括
一个新的深度学习模型,DeepVAQ,准确地预测血液透析患者的血管接入质量,使用非侵入性光透析传感器. 这种人工智能的进步为传统方法提供了具有成本效益的替代方案,改善了患者的护理和结果.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 慢性病 (CKD) 影响全球数百万人,末期病通常需要血液透析 (HD).
- 血管接入 (VA) 质量对于有效的血液透析至关重要,直接影响患者的健康和治疗疗效.
- 目前的黄金标准VA评估 (超声波稀释技术) 是昂贵且难以获得的,需要新的诊断方法.
研究的目的:
- 开发和验证一种新的深度学习模型,DeepVAQ,用于预测血管接入质量.
- 利用光电显微镜 (PPG) 传感器数据作为VA质量评估的非侵入性输入.
- 建立DeepVAQ作为血液透析患者护理的可靠和可访问的工具.
主要方法:
- 来自398名血液透析患者的临床数据的回顾性分析 (2021年2月至2022年2月).
- 使用卷积神经网络 (CNN) 来分析PPG传感器数据模式的DeepVAQ模型的开发.
- 根据确定的诊断标准进行严格的验证,使用准确性,特异性,精度,F-score和AUC指标.
主要成果:
- 深度VAQ实现了高性能:精度 (0.9213),特异性 (0.9614),精度 (0.8762),F-score (0.8364) 和AUC (0.8605) 等.
- 该模型显著超过了传统方法,如决策树,天真贝叶斯和kNN.
- 这些结果凸显了DeepVAQ在准确评估VA质量的卓越能力.
结论:
- 深度VAQ代表了对血液透析患者的非侵入性诊断的重大进展.
- 该模型对VA质量的精确多类分类表明了AI和深度学习在医疗保健中的潜力.
- 成功实施DeepVAQ可以改善患者的治疗结果,并可能降低死亡率.
更多相关视频
05:04Author Spotlight: Evaluating Clinicians' Adoption of Ultrasound-Guided Vascular Cannulation Through Simulation Training
Published on: August 9, 2024
927
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K