Artificial Intelligence vs 24-hour ECG monitoring vs Treadmill test in detecting myocardial… |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-12-28 11:20 Искусственный интеллект vs суточное мониторирование ЭКГ vs тредмил-тест в выявлении ишемии миокарда Использовалось приложение coronarography.ai для выявления транзиторной ишемии миокарда с помощью ИИ. Цель исследования — сравнить эффективность выявления транзиторной ишемии миокарда с традиционными методами диагностики, такими как суточное мониторирование ЭКГ, тредмил-тест. Материалы и методы. В исследование были включены 130 пациентов, которым была выполнена плановая или экстренная катетеризация коронарных артерий и которые соответствовали критериям включения и исключения. Ключевые критерии включения: пациенты мужского или женского пола (равные или более 18 лет), выполненная коронарная катетеризация, зарегистрированная электрокардиография за день или менее до выполненной коронарной катетеризации. Ключевые критерии исключения: ЭКГ-выявление аритмий в виде мерцательной аритмии, АВ-узловой реципрокной тахикардии, желудочковой тахикардии при записи, предшествующее стентирование и/или аортокоронарное шунтирование. Для прогнозирования поражения коронарного русла использовали метод нейросетевого анализа. Машинное обучение включало в себя клинические, лабораторные, инструментальные (изображения ЭКГ) параметры (всего 23 параметра). Нейронная сеть использовалась для решения задач классификации, получая входные данные в виде структурированных данных и изображений и предоставляя выходные данные в виде многофакторной классификации основных коронарных артерий. Соотношение для обучения и тестирования было 100/30. Обучение с учителем использовалось на доступных данных, где результаты были известны, и параметры нейронной сети были скорректированы, чтобы минимизировать ошибку путем обратного распространения. Оценку точности прогноза поражения магистральных коронарных артерий проводили на основании данных КТ-коронарографии, сравнение эффективности выявления транзиторной ишемии миокарда проводили на основе прогнозного расчета необходимости выполнения реваскуляризации коронарных артерий методом нейросетевого анализа и результатов суточного холтеровского мониторирования, тредмил-теста и тредмил-теста. Результаты. Оценивали точность выявления транзиторной ишемии миокарда с помощью нейросетевого анализа: accuracy 93%, precision 60%, recall 100%, AUC score 96%, f1 score 75%. Суточное мониторирование ЭКГ: accuracy 87%, precision 33%, recall 33%, AUC score 63%, f1 score 33%. Тредмил тест: accuracy 70%, precision 12%, recall 33%, AUC score 54%, f1 score 18%. Заключение. Эффективность выявления транзиторной ишемии миокарда на обучающей выборке обученной нейронной сети выше по сравнению с традиционными методами диагностики, такими как суточное холтеровское мониторирование, тредмил-тест. Источник: medium.com Комментарии: |
|