用自动机器学习 (AutoML) 来对外围动脉疾病的解剖模式进行分类
Yury Rusinovich1, Volha Rusinovich2, Aliaksei Buhayenka3
1Department of Vascular Surgery, University Hospital Leipzig, Leipzig, Germany.
自动机器学习 (AutoML) 在分类外围动脉疾病 (PAD) 解剖学模式从血管图表中显示出希望. 这种人工智能模型实现了高准确性,可以改善患者结果预测和重血管化策略.
科学领域:
- 血管医学 血管医学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 周围动脉疾病 (PAD) 的诊断依赖于解剖学模式的分类.
- 目前的方法可能会受到人类的变化和疲劳的影响.
- 自动机器学习 (AutoML) 为客观分类提供了一个潜在的解决方案.
研究的目的:
- 开发和评估一种使用AutoML的人工智能 (AI) 模型,用于分类外围动脉疾病 (PAD) 的解剖模式.
- 评估模型在使用全球肢体解剖分级系统 (GLASS) 来分类股骨关节疾病方面的表现.
主要方法:
- 采集并使用全球肢体解剖分期系统 (GLASS) 标记了323个下肢血管图.
- 在Vertex AI平台上训练了一个AutoML模型,用于GLASS等级的多标签分类.
- 在25个测试血管图上评估模型,并进行增量训练以提高性能.
主要成果:
- 人工智能模型实现了0.77的初始平均精度,在100%的测试案例中正确分类GLASS等级.
- 与专家分类的一致性很高 (Kappa = 0.85),在0级和4级表现最好.
- 增量训练使平均精度提高了11%至0.86,表明了适应性.
结论:
- 自动ML显示了PAD解剖模式的准确和客观分类的巨大潜力.
- 这项技术可以提高结果预测,并在血管医学中标准化重血管化策略.
- 需要进一步的研究和财政支持,才能充分实现AutoML在PAD管理中的好处.
更多相关视频
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
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Peripheral Artery Disease I: Introduction
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Peripheral Artery Disease III: Interprofessional Care
