Нейросеть научили диагностировать состояние коронарных сосудов - «Новости Медицины» » Я «Доктор»

Добро пожаловать в наш новостной медицинский центр - Я «Доктор»

title
13
апр
Нейросеть научили диагностировать состояние коронарных сосудов - «Новости Медицины»

Междисциплинарной группой ученых из МФТИ, ИВМ РАН и Сеченовского университета предложен альтернативный способ оценки скорости пульсовой волны и эластичности сосудов без проникновения в организм и использования медикаментов. Результаты по апробации и использованию нейросети опубликованы в журнале первого квартиля Mathematics.
Основные гемодинамические индексы — показатели работы сердечно-сосудистой системы: фракционный резерв кровотока, коронарный резерв кровотока и мгновенный безволновой коэффициент. Разработанная научной группой нейросеть позволяет настраивать параметры вычислительной модели с учетом индивидуальных особенностей пациента. Обучение нейросети проводилось на основе базы данных, содержащей характеристики так называемого «виртуального населения», то есть набор параметров, которые были рассчитаны с помощью нескольких тысяч вычислительных моделей, описывающих воображаемых пациентов различного возраста и пола, имеющих различную эластичность сосудов, частоту сердцебиения и периферическое сопротивление.
Проверка нейросети была сделана на анонимизированных ретроспективных данных 100 реальных пациентов, проходивших обследование в Сеченовском университете, и такой подход позволил получить достаточно хорошую точность. Главное преимущество предложенного метода состоит в том, что он позволяет оценить такие трудноизмеримые параметры, как скорость пульсовой волны в аорте (волна повышенного давления) и эластичность сосудов, по широкодоступным данным, которые включают возраст, ударный объем, пульс, систолическое, диастолическое и среднее артериальное давление.
«Эта работа является продолжением серии исследований, посвященных численному анализу фракционного резерва кровотока. Именно этот показатель позволяет кардиологам обоснованно принять решение о необходимости установки стента в коронарные сосуды. Наша модель основана только на неинвазивно собранных данных от конкретных пациентов, но позволяет рассчитывать этот показатель почти с той же точностью, что и прямые измерения внутри тела. С каждым новым витком работы мы улучшаем модель, и сейчас нам удалось повысить точность за счет использования нового алгоритма оценки эластичности сосудов с помощью нейросети», — рассказал о проекте Сергей Симаков, заведующий кафедрой вычислительной физики МФТИ.
В итоге новый метод позволил повысить точность оценки фракционного резерва кровотока на 4%. Проведенные вычислительные эксперименты также показали, что гемодинамическая важность стенозов возрастает у пациентов с повышенной скоростью пульсовой волны в аорте до 10–15 м/с, которая связана со снижением эластичности ее стенок.

Междисциплинарной группой ученых из МФТИ, ИВМ РАН и Сеченовского университета предложен альтернативный способ оценки скорости пульсовой волны и эластичности сосудов без проникновения в организм и использования медикаментов. Результаты по апробации и использованию нейросети опубликованы в журнале первого квартиля Mathematics. Основные гемодинамические индексы — показатели работы сердечно-сосудистой системы: фракционный резерв кровотока, коронарный резерв кровотока и мгновенный безволновой коэффициент. Разработанная научной группой нейросеть позволяет настраивать параметры вычислительной модели с учетом индивидуальных особенностей пациента. Обучение нейросети проводилось на основе базы данных, содержащей характеристики так называемого «виртуального населения», то есть набор параметров, которые были рассчитаны с помощью нескольких тысяч вычислительных моделей, описывающих воображаемых пациентов различного возраста и пола, имеющих различную эластичность сосудов, частоту сердцебиения и периферическое сопротивление. Проверка нейросети была сделана на анонимизированных ретроспективных данных 100 реальных пациентов, проходивших обследование в Сеченовском университете, и такой подход позволил получить достаточно хорошую точность. Главное преимущество предложенного метода состоит в том, что он позволяет оценить такие трудноизмеримые параметры, как скорость пульсовой волны в аорте (волна повышенного давления) и эластичность сосудов, по широкодоступным данным, которые включают возраст, ударный объем, пульс, систолическое, диастолическое и среднее артериальное давление. «Эта работа является продолжением серии исследований, посвященных численному анализу фракционного резерва кровотока. Именно этот показатель позволяет кардиологам обоснованно принять решение о необходимости установки стента в коронарные сосуды. Наша модель основана только на неинвазивно собранных данных от конкретных пациентов, но позволяет рассчитывать этот показатель почти с той же точностью, что и прямые измерения внутри тела. С каждым новым витком работы мы улучшаем модель, и сейчас нам удалось повысить точность за счет использования нового алгоритма оценки эластичности сосудов с помощью нейросети», — рассказал о проекте Сергей Симаков, заведующий кафедрой вычислительной физики МФТИ. В итоге новый метод позволил повысить точность оценки фракционного резерва кровотока на 4%. Проведенные вычислительные эксперименты также показали, что гемодинамическая важность стенозов возрастает у пациентов с повышенной скоростью пульсовой волны в аорте до 10–15 м/с, которая связана со снижением эластичности ее стенок.
Комментарии для сайта Cackle

Вы искали это

Новости Медицины.

Ваша реклама






      
Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика