液体测序器:一种轻量级的液体神经网络,用于实时的胎儿先天性心脏病诊断

科学领域:

• 医学成像和诊断 医学成像和诊断
• 医疗保健中的人工智能
• 心脏病学和先天性疾病

背景情况:

• 在全球范围内,先天性心脏病 (CHD) 是新生儿死亡的主要原因.
• 准确和早期诊断胎儿心脏病是关键的,但由于缺乏专家,在资源有限的地区具有挑战性.
• 数字双胞胎 (DT) 技术在远程环境中为人工智能驱动的诊断支持提供了潜力,但需要高效的人工智能模型.

研究的目的:

• 开发一种轻量级和高效的AI模型,用于实时诊断胎儿心脏病.
• 为解决DT系统的现有AI模型的计算需求和推断延迟.
• 提高初级和远程医疗保健机构对胎儿心脏病的诊断能力.

主要方法:

• 提出了液体测序器,这是一种用于胎儿心脏病诊断的新型轻量级AI模型.
• 使用一个卷积网络与DPSE模块,以实现高效的空间特征提取.
• 采用双向液体序列模块与液体神经网络 (LNN) 进行线性复杂性全球上下文捕获.

主要成果:

• 液体测序器模型在12个数据集中仅有0.30M参数,表现出色.
• 通过t-SNE可视化实现了高度歧视性的特征表示和明确的阶级间分离.
• 该模型的效率和准确性适用于低延迟,大规模的临床应用和DT系统.

结论:

• 液体测序器是用于胎儿心脏病诊断的高效和准确的AI工具.
• 该模型克服了现有方法的局限性,为远程和初级医疗保健机构提供了可行的解决方案.
• 液体测序仪显示出作为一种先进的诊断工具,提高与冠心病相关的新生儿死亡率的巨大潜力.