通过图像转换整合表格数据以进行增强的诊断:一种新的智能决策支持系统,用于使用卷积神经网络对阻塞性睡眠呼吸暂停患者进行分层
Manuel Casal-Guisande1,2, Alberto Fernández-Villar2,3,4, Mar Mosteiro-Añón2,3
1Fundación Pública Galega de Investigación Biomédica Galicia Sur, Hospital Álvaro Cunqueiro, Vigo, Spain.
Digital health
|October 8, 2024
概括
这项研究引入了一个新的深度学习系统,通过患者数据来诊断阻塞性睡眠呼吸暂停的严重程度. 这种新的方法将表格数据转换为图像,用于卷积神经网络分析,提高诊断准确度.
科学领域:
- 生物医学信息学 生物医学信息学
- 人工智能的人工智能
背景情况:
- 高维度的生物医学数据挑战了传统的机器学习.
- 深度学习 (DL) 为复杂的数据集提供了潜在的解决方案.
研究的目的:
- 开发一个智能决策支持系统,用于诊断阻塞性睡眠呼吸暂停 (OSA) 的严重程度.
- 为DL模型中的表格数据应用一种新的数据正式化技术.
主要方法:
- 利用了2472名患者的电子健康记录.
- 形式化表格患者数据成图像.
- 在这些图像上训练了一个卷积神经网络 (CNN) 来进行分类.
主要成果:
- 在最初的测试中,该系统在曲线下的面积 (AUC) 达到约0.8.
- 在中度至重度和轻度/没有OSA病例之间进行有效的分类.
结论:
- 新的数据正式化方法使得表格数据的先进DL技术成为可能.
- 利用CNN的模式识别功能来提高诊断准确度.
- 解决分析大型数据集的挑战,减少偏差和差异.


