相关实验视频
Updated: Jun 10, 2025
08:46
A Neonatal Imaging Model of Gram-Negative Bacterial Sepsis
Published on: August 12, 2020
6.3K
一个时间序列算法来预测新生儿死性肠球炎手术
Cheng Cui1, Ling Qiu2, Ling Li3
1Neonatal Diagnosis and Treatment Center of Children's Hospital of Chongqing Medical University, National Clinical Research Center for Child Health and Disorders, Ministry of Education Key Laboratory of Child Development and Disorders, Chongqing Key Laboratory of Child Rare Diseases in Infection and Immunity, Chongqing, 400014, China.
BMC medical informatics and decision making
|October 18, 2024
概括
这项研究开发了使用长期短期记忆网络 (LSTM) 和焦点丧失 (FL) 的新生儿死性肠球炎 (NEC) 的预测模型. 该模型准确地预测了NEC婴儿手术干预的需要,使得早期治疗成为可能.
科学领域:
- 新生儿科学 新生儿科学
- 人工智能在医学中的应用
- 手术预测手术预测
背景情况:
- 新生儿死性肠球炎 (NEC) 在确定最佳手术时间方面存在挑战.
- 早期识别患有严重NEC (贝尔IIB+) 风险的婴儿对于及时干预至关重要.
研究的目的:
- 开发一个利用长期短期记忆 (LSTM) 网络与焦点损失 (FL) 的预测模型.
- 为了识别患有贝尔IIB+NEC高风险的婴儿,并提供早期手术警告.
主要方法:
- 利用了791名被诊断为NEC的新生儿的数据,包括35个特征.
- 采用五重交叉验证方法培训和测试LSTM模型.
- 应用焦点损失 (FL) 来解决类不平衡并捕捉时间关系.
主要成果:
- 该模型在提前一天预测手术风险方面取得了很高的表现 (精度:0.913,回忆:0.841,F1:0.874).
- 提前两天的预测也显示出强的表现 (精度:0.905,回忆:0.815,F1:0.857).
- 该模型在1天 (0.917) 和2天 (0.905) 预测中都显示出高平均精度 (AP).
结论:
- 患有FL的LSTM模型准确地预测了NEC患者在1 - 2天前需要进行外科手术的需要.
- 这种预测能力可以显著改善临床决策和增强婴儿的结果.
- 模型所促进的及时外科预警,有望更好地管理严重的NEC病例.
