資訊專欄INFORMATION COLUMN
摘要：由吳恩達(dá)領(lǐng)導(dǎo)的斯坦福大學(xué)機(jī)器學(xué)習(xí)小組，研發(fā)出一種新的深度學(xué)習(xí)算法，可以診斷種類型的心律失常。吳恩達(dá)表示，機(jī)器學(xué)習(xí)模型可以比專家更較精確的診斷心律失常。這項(xiàng)研究可能是機(jī)器學(xué)習(xí)徹底改變醫(yī)療行業(yè)的標(biāo)志之一。
由吳恩達(dá)領(lǐng)導(dǎo)的斯坦福大學(xué)機(jī)器學(xué)習(xí)小組，研發(fā)出一種新的深度學(xué)習(xí)算法，可以診斷14種類型的心律失常。吳恩達(dá)表示，機(jī)器學(xué)習(xí)模型可以比專家更較精確的診斷心律失常。
這項(xiàng)研究可能是機(jī)器學(xué)習(xí)徹底改變醫(yī)療行業(yè)的標(biāo)志之一。近年來，研究人員已經(jīng)表明，機(jī)器學(xué)習(xí)技術(shù)可用于從醫(yī)學(xué)圖像中發(fā)現(xiàn)各種疾病，包括例如乳腺癌，皮膚癌和眼病。
研究人員表示：“心律信號(hào)的差異可能非常微妙，但對(duì)于患者如何選擇檢測(cè)方式有巨大的影響?！袄?，二度房室傳導(dǎo)阻滯的兩種形式的心律失常，看起來非常相似，但是一種不需要治療，而另一種則需要立即治療。
心律診斷
機(jī)器小組訓(xùn)練了一種深入學(xué)習(xí)算法，以識(shí)別ECG（心電圖）數(shù)據(jù)中不同類型的不規(guī)則心跳。有些不正常現(xiàn)象可能導(dǎo)致嚴(yán)重的健康并發(fā)癥，包括心源性猝死，但信號(hào)難以檢測(cè)，因此患者經(jīng)常被要求佩戴ECG傳感器數(shù)周。
斯坦福大學(xué)的研究人員從ECG數(shù)據(jù)中，抽取識(shí)別約30,000個(gè)30秒的樣本數(shù)據(jù)
研究人員與iRhythm（一家制造便攜式ECG設(shè)備的公司）合作，他們從各種心律失?；颊咧惺占?萬(wàn)個(gè)30秒的ECG數(shù)據(jù)。
為了測(cè)試算法的準(zhǔn)確性，研究人員給了一組300個(gè)未確診的ECG數(shù)據(jù)，并由三名心臟病專家組成小組來會(huì)診。使用這些帶標(biāo)注的數(shù)據(jù)，該算法可以預(yù)測(cè)這些心臟病專家將如何標(biāo)記其所呈現(xiàn)的其他ECG的結(jié)果，實(shí)質(zhì)上給出診斷。
深度學(xué)習(xí)將大量數(shù)據(jù)饋入大型模擬神經(jīng)網(wǎng)絡(luò)，并對(duì)其參數(shù)進(jìn)行微調(diào)，直到其準(zhǔn)確識(shí)別出有問題的ECG信號(hào)。該方法已經(jīng)被證明能夠識(shí)別圖像和音頻中的復(fù)雜模式，并且并在大多數(shù)情況下勝過心臟病專家。
研究人員認(rèn)為，這種算法有助于使心臟病學(xué)家對(duì)于心律失常的診斷和治療，更容易被無(wú)條件問診心臟病專家的患者帶來幫助。吳恩達(dá)認(rèn)為這只是深度學(xué)習(xí)提高患者健康質(zhì)量的眾多機(jī)會(huì)之一，能幫助醫(yī)生節(jié)省出時(shí)間。
論文詳解
研究小組開發(fā)出一種可以診斷不規(guī)則心律（也稱為心律失常）的模型，通過 single-lead ECG信號(hào)來診斷心律失常。
超越專家的關(guān)鍵是一個(gè)深度卷積網(wǎng)絡(luò)，可以將一系列ECG樣本映射到一系列心律失常數(shù)據(jù)中，以及比之前同類數(shù)據(jù)庫(kù)大兩個(gè)數(shù)量級(jí)的新型數(shù)據(jù)集。
研究小組訓(xùn)練了一個(gè)34層卷積神經(jīng)網(wǎng)絡(luò)（CNN）來檢測(cè)任意長(zhǎng)度心電圖時(shí)間序列的心律失常。
網(wǎng)絡(luò)以原始ECG信號(hào)的時(shí)間序列作為輸入，并輸出一系列標(biāo)簽預(yù)測(cè)。30秒長(zhǎng)的ECG信號(hào)在200Hz采樣，模型每秒輸出一次新的預(yù)測(cè)。我們輸入一個(gè)33層卷積的結(jié)構(gòu)，然后是完全連接的層和softmax。
為了優(yōu)化這樣一個(gè)深層次的模型，我們使用殘差連接和批量歸一化。深度增加了計(jì)算的非線性以及每個(gè)分類決策的上下文窗口的大小。
研究小組從29163名患者收集并標(biāo)記了64121例心電圖記錄數(shù)據(jù)。
ECG數(shù)據(jù)以200Hz的頻率進(jìn)行采樣，并從single-lead，無(wú)創(chuàng)和連續(xù)監(jiān)測(cè)裝置采集，稱為Zio Patch（iRhythm Technologies），其耐磨時(shí)間長(zhǎng)達(dá)14天。
訓(xùn)練集中的每個(gè)ECG記錄長(zhǎng)30秒，可以包含多個(gè)節(jié)奏類型。每個(gè)記錄由臨床心電圖專家注釋：專家突出信號(hào)的部分，并將其標(biāo)記為對(duì)應(yīng)于14個(gè)節(jié)奏類別之一。
我們從328名獨(dú)特患者收集了一組336條的記錄。對(duì)于測(cè)試集，每個(gè)記錄的實(shí)地注釋由三名董事會(huì)認(rèn)證的心臟病專家委員會(huì)監(jiān)督; 有三個(gè)委員會(huì)負(fù)責(zé)測(cè)試集的不同分割。心臟病學(xué)家將每個(gè)個(gè)體記錄作為一組進(jìn)行討論，并達(dá)成共識(shí)。對(duì)于測(cè)試集中的每個(gè)記錄，我們還從不參加該組的心臟病專家中收集6個(gè)多帶帶標(biāo)記。
最常見的混淆之一是，異位心房節(jié)律（EAR）和竇性心律（SINUS）之間。這種心跳節(jié)奏的主要區(qū)別標(biāo)準(zhǔn)是不規(guī)則的P波。特別是當(dāng)P波具有小幅度或信號(hào)中存在噪聲時(shí)，這可能是微妙的。
類似地，室上性心動(dòng)過速（SVT）和心房顫動(dòng)（AFIB）經(jīng)常與心房撲動(dòng)（AFL）混淆，因?yàn)樗鼈兌际切姆啃穆墒С?，這是可以理解的。室性心律失常（IVR）有時(shí)被誤認(rèn)為是心室性心動(dòng)過速（VT）。
鑒于臨床每年記錄超過3億次心電圖，心電圖的高精度診斷可以節(jié)省專家臨床醫(yī)生和心臟病專家的時(shí)間，減少誤診次數(shù)。此外，我們希望這種技術(shù)加上低成本心電圖設(shè)備，能夠成為心律失常診斷的常用工具。
詳情：http://t.cn/RKACR55
paper：http://t.cn/RKANXhI
歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)
QQ群：81035754
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/4578.html
摘要：近期，吳恩達(dá)團(tuán)隊(duì)用深度學(xué)習(xí)建立了一個(gè)項(xiàng)目，利用病人的電子病例，來檢測(cè)未來個(gè)月有高死亡風(fēng)險(xiǎn)的病人。在死亡率預(yù)測(cè)的報(bào)告中，吳恩達(dá)團(tuán)隊(duì)也運(yùn)用了成熟的消融技術(shù)，重點(diǎn)標(biāo)注了病人數(shù)據(jù)中對(duì)高死亡率最具預(yù)測(cè)性的因素。 用過去1年的醫(yī)療記錄就能預(yù)測(cè)一個(gè)人未來1年中的死亡概率？這聽起來像是《黑鏡》中才有的可怕黑科技，但是這對(duì)于療養(yǎng)院和臨終關(guān)懷工作者，意義重大。在美國(guó)，超過60%的死亡發(fā)生在重癥監(jiān)護(hù)病房，多數(shù)人在...
摘要：在最近的會(huì)議上，吳恩達(dá)分享了關(guān)于深度學(xué)習(xí)的一些看法。深度學(xué)習(xí)較大的優(yōu)勢(shì)在于它的規(guī)模，從吳恩達(dá)總結(jié)的下圖可以看出當(dāng)數(shù)據(jù)量增加時(shí)，深度學(xué)習(xí)模型性能更好。深度學(xué)習(xí)模型如此強(qiáng)大的另一個(gè)原因，是端到端的學(xué)習(xí)方式。然而，深度學(xué)習(xí)卻使它有了一點(diǎn)變化。 在最近的 NIPS 2016 會(huì)議上，吳恩達(dá)分享了關(guān)于深度學(xué)習(xí)的一些看法。我們?cè)诖俗鲆粋€(gè)整理。?深度學(xué)習(xí)較大的優(yōu)勢(shì)在于它的規(guī)模，從吳恩達(dá)總結(jié)的下圖可以看出：...
摘要：今日，在第屆神經(jīng)信息處理系統(tǒng)大會(huì)中，百度首席科學(xué)家吳恩達(dá)教授發(fā)表演講利用深度學(xué)習(xí)開發(fā)人工智能應(yīng)用的基本要點(diǎn)。為了方便讀者學(xué)習(xí)和收藏，雷鋒網(wǎng)特地把吳恩達(dá)教授的做為中文版。吳恩達(dá)先講述了常見的深度學(xué)習(xí)模型，然后再著分析端到端學(xué)習(xí)的具體應(yīng)用。 今日，在第 30 屆神經(jīng)信息處理系統(tǒng)大會(huì)（NIPS 2016）中，百度首席科學(xué)家吳恩達(dá)教授發(fā)表演講：《利用深度學(xué)習(xí)開發(fā)人工智能應(yīng)用的基本要點(diǎn)（Nuts an...
摘要：根據(jù)百度的說法，這是全球首次將深度學(xué)習(xí)領(lǐng)域技術(shù)應(yīng)用在客戶端，獨(dú)創(chuàng)了深度神經(jīng)網(wǎng)絡(luò)查殺技術(shù)。在過去，吳恩達(dá)說，百度用神經(jīng)網(wǎng)絡(luò)來幫助偵測(cè)廣告。 吳恩達(dá)拿起他的手機(jī)，打開了臉優(yōu) app。他現(xiàn)在正位于硅谷公司的研究室。在辦公桌邊吃飯，談話內(nèi)容很自然地也涉及到人工智能。他是百度的首席科學(xué)家，同時(shí)也是斯坦福大學(xué)計(jì)算機(jī)系的教授。在其他搜索引擎仍在發(fā)展時(shí)，他就曾幫助谷歌啟動(dòng)了腦計(jì)劃，現(xiàn)在他在百度從事相似的人工...
閱讀 3193·2020-01-08 12:17
閱讀 2050·2019-08-30 15:54
閱讀 1207·2019-08-30 15:52
閱讀 2101·2019-08-29 17:18
閱讀 1091·2019-08-29 15:34
閱讀 2517·2019-08-27 10:58
閱讀 1927·2019-08-26 12:24
閱讀 437·2019-08-23 18:23
