91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于深度學(xué)習(xí)框架快速準(zhǔn)確預(yù)測(cè)心力衰竭

星星科技指導(dǎo)員 ? 來(lái)源:NVIDIA ? 作者:Michelle Horton ? 2022-04-07 17:37 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

西奈山研究人員發(fā)明了一種新的人工智能技術(shù),可以識(shí)別心臟內(nèi)的微小變化,并準(zhǔn)確預(yù)測(cè)心力衰竭。最近,在美國(guó)心臟病學(xué)院雜志:心血管成像的發(fā)布中,這項(xiàng)研究可以更快地診斷和早期檢測(cè)充血性心力衰竭,幫助醫(yī)生更有效地治療患者并減緩疾病進(jìn)展。

“我們證明,深度學(xué)習(xí)算法可以從 ECG 波形數(shù)據(jù)中識(shí)別心臟兩側(cè)的血液泵送問(wèn)題。通常,診斷這些類(lèi)型的心臟病需要昂貴且耗時(shí)的程序。我們希望該算法能夠更快地診斷心力衰竭?!辟Y深作者 Benjamin S 。 Glicksberg 是西奈山遺傳學(xué)和基因組科學(xué)的助理教授,他在一份新聞稿報(bào)告中說(shuō)。

作為 65 歲以上住院患者最常見(jiàn)的診斷,美國(guó)有 600 多萬(wàn)人患有充血性心力衰竭。當(dāng)心臟無(wú)法有效地將血液泵入全身時(shí),就會(huì)出現(xiàn)這種情況,血液回流到心臟的速度比泵出的速度快,從而造成充血。隨著身體的補(bǔ)償和疾病的進(jìn)展,會(huì)出現(xiàn)一些副作用,如心臟增大、腎衰竭、心悸和器官氧合不足。

在診斷心臟病時(shí),醫(yī)生通常使用心電圖測(cè)量心跳和心電活動(dòng),同時(shí)使用超聲心動(dòng)圖測(cè)量詳細(xì)的心臟圖像。然而,診斷心力衰竭需要專(zhuān)業(yè)知識(shí),特殊設(shè)備并不總是現(xiàn)成的,而且可能很耗時(shí)。

通常情況下, ele CTR 心圖變化對(duì)人眼來(lái)說(shuō)也太微妙,無(wú)法檢測(cè)到,導(dǎo)致診斷延遲。

先前的研究已經(jīng)開(kāi)發(fā)出人工智能算法,用于檢測(cè)左心室(將含氧血液推入體內(nèi)的一側(cè))的弱點(diǎn)。然而,到目前為止,還不存在評(píng)估右心室功能的工具,這種工具可以將脫氧血液從身體輸送到肺部,從而導(dǎo)致對(duì)患者整個(gè)心臟功能的概述不完整。

研究人員致力于創(chuàng)建一個(gè)評(píng)估左心室和右心室功能的深度學(xué)習(xí)框架。研究小組使用自然語(yǔ)言處理技術(shù)訓(xùn)練計(jì)算機(jī)閱讀和處理書(shū)面報(bào)告,并對(duì)148227名患者的超聲心動(dòng)圖和心電圖進(jìn)行相關(guān)分析。研究人員利用來(lái)自西奈山衛(wèi)生系統(tǒng)四家不同醫(yī)院的70多萬(wàn)份超聲心動(dòng)圖和電子心電圖報(bào)告,訓(xùn)練神經(jīng)網(wǎng)絡(luò)以發(fā)現(xiàn)模式并識(shí)別泵送強(qiáng)度。來(lái)自第五家醫(yī)院的數(shù)據(jù)用于測(cè)試該算法。

模型在符合 HIPAA 的 NVIDIA GPU – 加速 Azure 云虛擬機(jī)上進(jìn)行訓(xùn)練,虛擬機(jī)帶有 NVIDIA V100 張量核 GPU。

該算法以 94% 的準(zhǔn)確率預(yù)測(cè)了哪些患者的左心室功能正常,并在 87% 的時(shí)間內(nèi)識(shí)別出左心室功能較弱的患者。右心室功能更難預(yù)測(cè),該算法在預(yù)測(cè)哪些患者右心室瓣膜功能較弱時(shí)的準(zhǔn)確率達(dá)到 84% 。

Glicksberg 說(shuō):“我們的研究結(jié)果表明,該算法可能是幫助臨床工作者對(duì)抗各種患者心力衰竭的有用工具?!?。“我們正在仔細(xì)設(shè)計(jì)前瞻性試驗(yàn),以在更真實(shí)的環(huán)境中測(cè)試其有效性?!?/p>

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級(jí)開(kāi)發(fā)人員通信經(jīng)理,擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開(kāi)發(fā)者博客撰文,重點(diǎn)介紹了開(kāi)發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1817

    文章

    50098

    瀏覽量

    265414
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5599

    瀏覽量

    124398
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    LuatOS框架的使用(上)

    在資源受限的物聯(lián)網(wǎng)終端設(shè)備中,如何實(shí)現(xiàn)快速開(kāi)發(fā)與穩(wěn)定運(yùn)行是關(guān)鍵挑戰(zhàn)。LuatOS框架通過(guò)將Lua語(yǔ)言與底層硬件抽象層深度融合,提供了一套簡(jiǎn)潔高效的開(kāi)發(fā)范式。本文將圍繞LuatOS框架
    的頭像 發(fā)表于 01-27 19:38 ?158次閱讀
    LuatOS<b class='flag-5'>框架</b>的使用(上)

    機(jī)器學(xué)習(xí)深度學(xué)習(xí)中需避免的 7 個(gè)常見(jiàn)錯(cuò)誤與局限性

    無(wú)論你是剛?cè)腴T(mén)還是已經(jīng)從事人工智能模型相關(guān)工作一段時(shí)間,機(jī)器學(xué)習(xí)深度學(xué)習(xí)中都存在一些我們需要時(shí)刻關(guān)注并銘記的常見(jiàn)錯(cuò)誤。如果對(duì)這些錯(cuò)誤置之不理,日后可能會(huì)引發(fā)諸多麻煩!只要我們密切關(guān)注數(shù)據(jù)、模型架構(gòu)
    的頭像 發(fā)表于 01-07 15:37 ?192次閱讀
    機(jī)器<b class='flag-5'>學(xué)習(xí)</b>和<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>中需避免的 7 個(gè)常見(jiàn)錯(cuò)誤與局限性

    穿孔機(jī)頂頭檢測(cè)儀 機(jī)器視覺(jué)深度學(xué)習(xí)

    頂頭狀態(tài)。 檢測(cè)頂頭算法 引入人工智深度學(xué)習(xí)技術(shù),通過(guò)Keras實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)(CNN),用Numpy實(shí)現(xiàn)采集數(shù)據(jù)的訓(xùn)練,得到符合現(xiàn)場(chǎng)需求的模型,進(jìn)一步提升檢測(cè)的準(zhǔn)確性和現(xiàn)場(chǎng)的適應(yīng)性。 應(yīng)用范圍
    發(fā)表于 12-22 14:33

    【團(tuán)購(gòu)】獨(dú)家全套珍藏!龍哥LabVIEW視覺(jué)深度學(xué)習(xí)實(shí)戰(zhàn)課(11大系列課程,共5000+分鐘)

    (第10系列)、YOLOv8-Tiny工業(yè)優(yōu)化版(第9系列),滿(mǎn)足產(chǎn)線端設(shè)備算力限制,模型推理速度提升300%。 LabVIEW生態(tài)整合 作為工業(yè)自動(dòng)化領(lǐng)域主流開(kāi)發(fā)環(huán)境,LabVIEW與深度學(xué)習(xí)的集成
    發(fā)表于 12-04 09:28

    【團(tuán)購(gòu)】獨(dú)家全套珍藏!龍哥LabVIEW視覺(jué)深度學(xué)習(xí)實(shí)戰(zhàn)課程(11大系列課程,共5000+分鐘)

    (第10系列)、YOLOv8-Tiny工業(yè)優(yōu)化版(第9系列),滿(mǎn)足產(chǎn)線端設(shè)備算力限制,模型推理速度提升300%。 LabVIEW生態(tài)整合 作為工業(yè)自動(dòng)化領(lǐng)域主流開(kāi)發(fā)環(huán)境,LabVIEW與深度學(xué)習(xí)的集成
    發(fā)表于 12-03 13:50

    如何深度學(xué)習(xí)機(jī)器視覺(jué)的應(yīng)用場(chǎng)景

    深度學(xué)習(xí)視覺(jué)應(yīng)用場(chǎng)景大全 工業(yè)制造領(lǐng)域 復(fù)雜缺陷檢測(cè):處理傳統(tǒng)算法難以描述的非標(biāo)準(zhǔn)化缺陷模式 非標(biāo)產(chǎn)品分類(lèi):對(duì)形狀、顏色、紋理多變的產(chǎn)品進(jìn)行智能分類(lèi) 外觀質(zhì)量評(píng)估:基于學(xué)習(xí)的外觀質(zhì)量標(biāo)準(zhǔn)判定 精密
    的頭像 發(fā)表于 11-27 10:19 ?221次閱讀

    基于全局預(yù)測(cè)歷史的gshare分支預(yù)測(cè)器的實(shí)現(xiàn)細(xì)節(jié)

    的地址位數(shù),雖然BHR位數(shù)越多,分支預(yù)測(cè)器的準(zhǔn)確度越高,但正確率提高的代價(jià)是PHT消耗的資源呈指數(shù)形式迅速地增長(zhǎng),因此我們必須在面積與性能之間進(jìn)行權(quán)衡。。最終經(jīng)過(guò)對(duì)各類(lèi)32位RISC-V開(kāi)源處理器內(nèi)核
    發(fā)表于 10-22 06:50

    如何在機(jī)器視覺(jué)中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測(cè)可定位已訓(xùn)練的目標(biāo)類(lèi)別,并通過(guò)矩形框(邊界框)對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能(AI)或深度學(xué)習(xí)時(shí),經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語(yǔ)。這些概
    的頭像 發(fā)表于 09-10 17:38 ?902次閱讀
    如何在機(jī)器視覺(jué)中部署<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>神經(jīng)網(wǎng)絡(luò)

    深度學(xué)習(xí)對(duì)工業(yè)物聯(lián)網(wǎng)有哪些幫助

    深度學(xué)習(xí)作為人工智能的核心分支,通過(guò)模擬人腦神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu),能夠自動(dòng)從海量工業(yè)數(shù)據(jù)中提取復(fù)雜特征,為工業(yè)物聯(lián)網(wǎng)(IIoT)提供了從數(shù)據(jù)感知到智能決策的全鏈路升級(jí)能力。以下從技術(shù)賦能、場(chǎng)景突破
    的頭像 發(fā)表于 08-20 14:56 ?1028次閱讀

    自動(dòng)駕駛中Transformer大模型會(huì)取代深度學(xué)習(xí)嗎?

    [首發(fā)于智駕最前沿微信公眾號(hào)]近年來(lái),隨著ChatGPT、Claude、文心一言等大語(yǔ)言模型在生成文本、對(duì)話交互等領(lǐng)域的驚艷表現(xiàn),“Transformer架構(gòu)是否正在取代傳統(tǒng)深度學(xué)習(xí)”這一話題一直被
    的頭像 發(fā)表于 08-13 09:15 ?4185次閱讀
    自動(dòng)駕駛中Transformer大模型會(huì)取代<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>嗎?

    UPS電源—看完這些,讓你準(zhǔn)確準(zhǔn)確安裝UPS電源

    為確保數(shù)據(jù)中心或其他關(guān)鍵設(shè)施中的電力供應(yīng)穩(wěn)定可靠,快速準(zhǔn)確地安裝不間斷電源(UPS)至關(guān)重要。下面聊一下如何快速準(zhǔn)確安裝UPS電源。
    的頭像 發(fā)表于 07-10 09:27 ?1223次閱讀
    UPS電源—看完這些,讓你<b class='flag-5'>準(zhǔn)確</b><b class='flag-5'>準(zhǔn)確</b>安裝UPS電源

    任正非說(shuō) AI已經(jīng)確定是第四次工業(yè)革命 那么如何從容地加入進(jìn)來(lái)呢?

    GitHub等平臺(tái)上尋找感興趣的AI開(kāi)源項(xiàng)目。例如,可以參與一些小型的深度學(xué)習(xí)框架改進(jìn)項(xiàng)目,或者數(shù)據(jù)標(biāo)注工具的開(kāi)發(fā)項(xiàng)目。通過(guò)參與這些項(xiàng)目,可以學(xué)習(xí)到實(shí)際的代碼開(kāi)發(fā)規(guī)范,與其他開(kāi)發(fā)者交流
    發(fā)表于 07-08 17:44

    提高IT運(yùn)維效率,深度解讀京東云AIOps落地實(shí)踐(異常檢測(cè)篇)

    基于深度學(xué)習(xí)對(duì)運(yùn)維時(shí)序指標(biāo)進(jìn)行異常檢測(cè),快速發(fā)現(xiàn)線上業(yè)務(wù)問(wèn)題 時(shí)間序列的異常檢測(cè)是實(shí)際應(yīng)用中的一個(gè)關(guān)鍵問(wèn)題,尤其是在 IT 行業(yè)。我們沒(méi)有采用傳統(tǒng)的基于閾值的方法來(lái)實(shí)現(xiàn)異常檢測(cè),而是通過(guò)深度
    的頭像 發(fā)表于 05-22 16:38 ?1032次閱讀
    提高IT運(yùn)維效率,<b class='flag-5'>深度</b>解讀京東云AIOps落地實(shí)踐(異常檢測(cè)篇)

    百度飛槳框架3.0正式版發(fā)布

    大模型訓(xùn)練成本高?推理效率低?硬件適配難? 4月1日,百度發(fā)布 飛槳框架3.0正式版 !五大特性專(zhuān)為大模型設(shè)計(jì)。 作為大模型時(shí)代的Infra“基礎(chǔ)設(shè)施”,深度學(xué)習(xí)框架的重要性愈發(fā)凸顯,
    的頭像 發(fā)表于 04-02 19:03 ?1198次閱讀
    百度飛槳<b class='flag-5'>框架</b>3.0正式版發(fā)布

    嵌入式AI技術(shù)之深度學(xué)習(xí):數(shù)據(jù)樣本預(yù)處理過(guò)程中使用合適的特征變換對(duì)深度學(xué)習(xí)的意義

    ? 作者:蘇勇Andrew 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí),網(wǎng)絡(luò)的每個(gè)層都將對(duì)輸入的數(shù)據(jù)做一次抽象,多層神經(jīng)網(wǎng)絡(luò)構(gòu)成深度學(xué)習(xí)框架,可以深度理解數(shù)
    的頭像 發(fā)表于 04-02 18:21 ?1518次閱讀