用深度学习检测冠心病:不依赖血管造影且成本下降25%

本文来自AI新媒体量子位(QbitAI)

冠心病是人类的一大杀手,全球每年将近900万人死于冠心病。在美国,每年有1200万到1300万人被确诊。心脏病极易摧毁生命的原因之一检测困难,尤其在女性身上。目前的检测方法大多依赖血管造影,造价高昂且侵略性强。

最近,个性化医疗技术公司HeartFlow用深度学习的方法找到了更好的解决方案。

用深度学习检测冠心病:不依赖血管造影且成本下降25%


替代检测

HeartFlow提供了一种不那么侵略性的替代检测法。它融合了传统的CT扫描、复杂的流体动力学知识和机器学习算法,构建出患者心脏的3D模型图,提供阻塞位置和血流量的具体信息,为医生提供详细参考。

这个方案意味着,将近60%的患者可以避免侵略性强的血管造影检测,检测费用也降低了25%。

心脏建模

建立心脏模型是复杂的巨大挑战。除了需要为每位患者构建精准的亚体素模型外,还需模仿血液在每个血管中的流动。在快节奏的急诊部,诊断时间是一个重要的考量点。

“当急诊室里的病人疑似冠心病症状时,他们需要快速诊断。”HeartFlow工程部高级副总裁Leo Grady说。

HeartFlow用深度学习的方法解决了这个痛点,即用新型血管特异性结构分析血流。

HeartFlow应用的计算机视觉算法通过理解CT扫描中的医学影像数据,分析并构建患者心脏和冠状动脉的个性化3D模型。

不过,生成出模型可不是终点,还需要修正和评测。受过训练的专业人员细致评估模型,判读生成的模型是否需要调整,保证成像数据模型的精度和准确性。因此,算法处理的图像越多,它们就越精确。

*支持

目前,美国国家食品药品监督管理局已经批准了这一计划,它也得到了英国国家健康和临床研究所的支持。

“使用GPU加速的深度学习,可以帮助快速作出精确且个性化的决策,”Grady说。“这意味着更好的治疗结果,以及更少的医疗体系支出。”

【完】

本文作者:安妮 
原文发布时间:2017-07-08
上一篇:PostgreSQL 10.0 preview 功能增强 - libpq支持多主机连接(failover,LB)让数据库HA和应用配合更紧密


下一篇:zookeeper理解与应用