資訊專欄INFORMATION COLUMN
摘要：由吳恩達領導的斯坦福大學機器學習小組，研發(fā)出一種新的深度學習算法，可以診斷種類型的心律失常。吳恩達表示，機器學習模型可以比專家更較精確的診斷心律失常。這項研究可能是機器學習徹底改變醫(yī)療行業(yè)的標志之一。
由吳恩達領導的斯坦福大學機器學習小組，研發(fā)出一種新的深度學習算法，可以診斷14種類型的心律失常。吳恩達表示，機器學習模型可以比專家更較精確的診斷心律失常。
這項研究可能是機器學習徹底改變醫(yī)療行業(yè)的標志之一。近年來，研究人員已經(jīng)表明，機器學習技術可用于從醫(yī)學圖像中發(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：“心律信號的差異可能非常微妙，但對于患者如何選擇檢測方式有巨大的影響。“例如，二度房室傳導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
機器小組訓練了一種深入學習算法，以識別ECG（心電圖）數(shù)據(jù)中不同類型的不規(guī)則心跳。有些不正?，F(xiàn)象可能導致嚴重的健康并發(fā)癥，包括心源性猝死，但信號難以檢測，因此患者經(jīng)常被要求佩戴ECG傳感器數(shù)周。
斯坦福大學的研究人員從ECG數(shù)據(jù)中，抽取識別約30,000個30秒的樣本數(shù)據(jù)
研究人員與iRhythm（一家制造便攜式ECG設備的公司）合作，他們從各種心律失常患者中收集了3萬個30秒的ECG數(shù)據(jù)。
為了測試算法的準確性，研究人員給了一組300個未確診的ECG數(shù)據(jù)，并由三名心臟病專家組成小組來會診。使用這些帶標注的數(shù)據(jù)，該算法可以預測這些心臟病專家將如何標記其所呈現(xiàn)的其他ECG的結(jié)果，實質(zhì)上給出診斷。
深度學習將大量數(shù)據(jù)饋入大型模擬神經(jīng)網(wǎng)絡，并對其參數(shù)進行微調(diào)，直到其準確識別出有問題的ECG信號。該方法已經(jīng)被證明能夠識別圖像和音頻中的復雜模式，并且并在大多數(shù)情況下勝過心臟病專家。
研究人員認為，這種算法有助于使心臟病學家對于心律失常的診斷和治療，更容易被無條件問診心臟病專家的患者帶來幫助。吳恩達認為這只是深度學習提高患者健康質(zhì)量的眾多機會之一，能幫助醫(yī)生節(jié)省出時間。
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信號來診斷心律失常。
超越專家的關鍵是一個深度卷積網(wǎng)絡，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)庫大兩個數(shù)量級的新型數(shù)據(jù)集。
研究小組訓練了一個34層卷積神經(jīng)網(wǎng)絡（CNN）來檢測任意長度心電圖時間序列的心律失常。
網(wǎng)絡以原始ECG信號的時間序列作為輸入，并輸出一系列標簽預測。30秒長的ECG信號在200Hz采樣，模型每秒輸出一次新的預測。我們輸入一個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。深度增加了計算的非線性以及每個分類決策的上下文窗口的大小。
研究小組從29163名患者收集并標記了64121例心電圖記錄數(shù)據(jù)。
ECG數(shù)據(jù)以200Hz的頻率進行采樣，并從single-lead，無創(chuàng)和連續(xù)監(jiān)測裝置采集，稱為Zio Patch（iRhythm Technologies），其耐磨時間長達14天。
訓練集中的每個ECG記錄長30秒，可以包含多個節(jié)奏類型。每個記錄由臨床心電圖專家注釋：專家突出信號的部分，并將其標記為對應于14個節(jié)奏類別之一。
我們從328名獨特患者收集了一組336條的記錄。對于測試集，每個記錄的實地注釋由三名董事會認證的心臟病專家委員會監(jiān)督; 有三個委員會負責測試集的不同分割。心臟病學家將每個個體記錄作為一組進行討論，并達成共識。對于測試集中的每個記錄，我們還從不參加該組的心臟病專家中收集6個多帶帶標記。
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)別標準是不規(guī)則的P波。特別是當P波具有小幅度或信號中存在噪聲時，這可能是微妙的。
類似地，室上性心動過速（SVT）和心房顫動（AFIB）經(jīng)常與心房撲動（AFL）混淆，因為它們都是心房心律失常，這是可以理解的。室性心律失常（IVR）有時被誤認為是心室性心動過速（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間，減少誤診次數(shù)。此外，我們希望這種技術加上低成本心電圖設備，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)生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報表系統(tǒng)等全方位知識
QQ群：81035754
文章版權歸作者所有，未經(jīng)允許請勿轉(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)載請注明本文地址：http://systransis.cn/yun/4578.html
摘要：近期，吳恩達團隊用深度學習建立了一個項目，利用病人的電子病例，來檢測未來個月有高死亡風險的病人。在死亡率預測的報告中，吳恩達團隊也運用了成熟的消融技術，重點標注了病人數(shù)據(jù)中對高死亡率最具預測性的因素。 用過去1年的醫(yī)療記錄就能預測一個人未來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，但是這對于療養(yǎng)院和臨終關懷工作者，意義重大。在美國，超過60%的死亡發(fā)生在重癥監(jiān)護病房，多數(shù)人在...
摘要：在最近的會議上，吳恩達分享了關于深度學習的一些看法。深度學習較大的優(yōu)勢在于它的規(guī)模，從吳恩達總結(jié)的下圖可以看出當數(shù)據(jù)量增加時，深度學習模型性能更好。深度學習模型如此強大的另一個原因，是端到端的學習方式。然而，深度學習卻使它有了一點變化。 在最近的 NIPS 2016 會議上，吳恩達分享了關于深度學習的一些看法。我們在此做一個整理。?深度學習較大的優(yōu)勢在于它的規(guī)模，從吳恩達總結(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)大會中，百度首席科學家吳恩達教授發(fā)表演講利用深度學習開發(fā)人工智能應用的基本要點。為了方便讀者學習和收藏，雷鋒網(wǎng)特地把吳恩達教授的做為中文版。吳恩達先講述了常見的深度學習模型，然后再著分析端到端學習的具體應用。 今日，在第 30 屆神經(jīng)信息處理系統(tǒng)大會（NIPS 2016）中，百度首席科學家吳恩達教授發(fā)表演講：《利用深度學習開發(fā)人工智能應用的基本要點（Nuts an...
摘要：根據(jù)百度的說法，這是全球首次將深度學習領域技術應用在客戶端，獨創(chuàng)了深度神經(jīng)網(wǎng)絡查殺技術。在過去，吳恩達說，百度用神經(jīng)網(wǎng)絡來幫助偵測廣告。 吳恩達拿起他的手機，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家，同時也是斯坦福大學計算機系的教授。在其他搜索引擎仍在發(fā)展時，他就曾幫助谷歌啟動了腦計劃，現(xiàn)在他在百度從事相似的人工...
閱讀 3092·2020-01-08 12:17
閱讀 2018·2019-08-30 15:54
閱讀 1171·2019-08-30 15:52
閱讀 2061·2019-08-29 17:18
閱讀 1068·2019-08-29 15:34
閱讀 2482·2019-08-27 10:58
閱讀 1890·2019-08-26 12:24
閱讀 403·2019-08-23 18:23
