人工智能辅助图像提取在新生儿心声图用于撒哈拉以南非洲的先天性心脏病诊断:模型开发协议

科学领域:

• 医疗技术 医疗技术 医学技术
• 医疗保健中的人工智能
• 儿童心脏病学 儿童心脏病学

背景情况:

• 撒哈拉以南的非洲地区面临着全球最高的5岁以下死亡率负担,先天性心脏病 (CHD) 是其中一个重要原因.
• 诊断能力有限和专业人员短缺阻碍了在资源有限的环境中有效的冠状动脉疾病诊断和护理.
• 现有的诊断方法,如心声回声,需要专家的解释,在医疗专家稀缺的地区构成挑战.

研究的目的:

• 为非专家操作人员开发人工智能 (AI) 辅助的心声回声系统.
• 使护士,助产士和医生能够对怀疑患有心脏病的新生儿进行基本的心脏超声波扫描.
• 为了促进精确的心脏图像的提取,以便由儿科心脏病学家进行远程解释.

主要方法:

• 一种双相深度学习方法,用于新生儿心声学中的实时心脏视图检测.
• 利用来自喀麦隆和南非的各种数据集,对回顾性数据进行预训练,对前性数据进行微调.
• 采用卷积神经网络和长期短期记忆层,与强化学习用于动态特征提取.

主要成果:

• 追溯数据收集始于2024年9月,迄今为止已经收集和标记了308名新生儿的数据.
• 一个初步的人工智能模型框架已经开发出来,培训已经开始.
• 该项目正处于密集执行阶段,所有目标并行推进,最终结果预计将在10个月内实现.

结论:

• 开发的人工智能辅助心声回声学模型显示了改善早期心脏病诊断的重大前景.
• 这项技术可以改善撒哈拉以南非洲和其他低资源环境中的CHD护理.
• 该系统旨在弥合诊断差距,降低死亡率,并增加获得专家心脏解释的机会.