Posted on 2019年8月22日

原创 这款结合AR的AI模型,可帮医生准确识别疼痛位置

原创 这款结合AR的AI模型,可帮医生准确识别疼痛位置
原标题:这款结合AR的AI模型,可帮医生准确识别疼痛位置 对医生而言,准儿判断患者疼痛位置对于医疗诊断和看疗至关重要,不过疼痛往往不便量化,且多读数评估都是不合理的。为此,约翰内斯堡大学和部分研究者决定穿越基于移动神经影像的AR+AI的一度临床应用框架:CLARAi。 这是一套结合AR+AI的看病技术研讨,该议案大将机器学习模型与AR技术粘结,对病人拓展冷刺激,越过便携式光学成像仪测量皮质活动。然后基于多个神经网络模型对这些数据开展解码分析,因故区分出疼痛和无痛。 简而言之,就是一种新颖的基于神经成像的AR与AI结合的技巧,因故儒将大脑活动数据转化为客观之挂果,就此方便医生进行判断和稳住疼痛位置。 疼痛程度判断之内景 我们心明如镜,对能够准确评估急性或慢性疼痛病症的触痛程度是首要之,这直接影响着诊断和继往开来治疗,怪声怪气是顶患者表示长期饱受病痛折磨时。 据悉,仅疼痛病症在看病用度、年光损失等方面之经济想当然地地道道气势磅礴。即便如此,医师确定疼痛仍在“以0-10为例”认可你的生疼程度。虽然用疼痛问卷和面部测量表等不二法门进展公式化疼痛程度是一个普遍且相对效果不错之法子,但是这种报告仍然累活较大局限性,非同小可体现在以下几个地方: 展开全文 1,不同年事、学问差异人群在疼痛表达方面不同,例如不同辈分的人数对于类似疼痛表达方式不同,甚至同一个家口在疴不同时日也有不同表达; 2,这种点子无法在常规诊断或手术中施用,包括在获得认知障碍之患儿; 3,自各儿报告之式样在不同的痛痹方面提供的产值有限,甚至还可能性模糊病症治疗。 为了冲破这些限制,研讨人员开始分析使用神经影像技术,Wager TD和同事们利用机器学习技术造做了一度AI模型,渠越过功能核磁共振成像(fMRI)数量,故用提供了基于神经学特征之个私疼痛检测可能性。 据悉,fMRI在象话之中脑疼痛评估方面已经跨过了一大步,不过由于MRI仪的容积大、老本高等特色,限制了该技艺在医疗上用到之可能性。 为此,切磋食指决定转向便携式神经影响设备,他俩和fMRI技术具有着类似之破竹之势,并能以非侵入之办法通过近红外光(fNIRS)测量头骨内一定离去的HbO、HbR浓度变化。 研究细节 目标是开销一套技术解决方案,因故能够实时将神经影像变成可视化的多寡,并测量和解析皮质活动,尾声确定出嗬哟时间疼痛、好家伙职疼痛等。 综合而言,这是一套基于光学神经成像(fNIRS)、提高现实(AR)、基于神经网络(NN)之有机(AI)三境域实验成功得出的。 实验流程图 据悉,该研讨意方密歇根大学招募了21红得发紫牙齿过敏的志愿者,穿过循环热刺激之艺术,获取平均疼痛临界值。 透过上述实验流程图,伊运用2个实验测试疼痛和无痛预测,以及左脑和右脑的固化。绿线代表7层CNN(卷积神经网络),蓝线为6层CNN,榴线代表5层CNN,起跑线代表长短期记忆网络,深蓝线代表复发性神经网络,黄线指代3层人工CNN。 而为了进一步验证,研究员设计了一项基于AR数据可视化的尖峰实验,硬件基于微软HoloLens,以及HoloBrain项目衍生,硬件地方由北卡罗来纳大学内部开发。 研究框架 实验1:疼痛检测 该实验的鹄的是测试个体患者疼痛和盐碱化疼痛预测,工程院选取三个不同深度CNN(7层CNN、5层CNN、3层NN和ANN),进一步评估他们数据集上的总体性。 参与者统计 实验1统计挂果 最终,研究员为疼痛与无痛分别定义了一个标签,之一相关的权重达到10:1,随后儒将使动10倍交叉验证每个模型,汇算出平均的分类准确度,乖觉程度、突击性、阳性预测值、阳性似然比、阴性预测值等。 实验2:疼痛定位 HbO和HbR 热力图 实验2统计结出 此项实验目的是进一步测试分析左侧、右侧疼痛、盐碱化疼痛的势态。其中,左图和西边胜算分别表示HbO和HbR状态,上图和下图分别表示疼痛和当地化疼痛状态辅助的血水流动的状态,红色和蓝色圈圈分别代表:知觉与前额皮层。 实验3:通过AR+AI实现可视化疼痛解析 接下来就基于HoloLens,开支出一番框架。在财力研究罗方,战将患者大脑中多皮质区域数据无线传输到HoloLens端,接下来基于密歇根大学自己开发的用到(集成自研的3D渲染引擎,可渲染复杂3D场景,敲边鼓高级材质、光度和详细网格),在建具有职能区域之虚拟大脑,基于16个数据源从而最终呈现出CLARAi的概念形态。 实验结果 在21声震寰宇献血者之补考罗方,有12食指开展了深度测试。该测试会员国12名扬天下参与者共摭闻180580个数据立方体,其中23900被标记为疼痛,156680把标记为道德化疼痛。 实验2共有2红得发紫志愿者的数码,共有20820个数据立方体,其中2000个把标记为右手疼痛,2000个标记为左侧疼痛,26820个标记为官化疼痛。上图中展示了病家3在疼痛状态和良种化疼痛状态说不上平均的HbO和HbR水平。 HoloBrain界面 实验3资方采样了反复性HbO和HbR数据,并且实时更新和搬弄,如视频中展示之。通过HoloLens将3D虚拟大脑图像叠加到测试者的脑袋位置,综合利用红色区域对疼痛位置进行标注。 虽然经过了此次测试,我们何尝不可基本上实现临床可用之一套AR+AI的疼痛诊断系统,并且在便携性方面卖弄妙不可言。从诊断结果来看,可知识别疼痛和无痛诊断准确率高达80.37%,阳性似然比(PLR)为2.35。 但这些研究敲定依然需要进一步多元化和查验,尤其是用于除了牙齿以外其它疼痛或神经系统疾病方面,以及切切实实之作痛位置。简而言之,这套系统还很后生,但迈入耐力有案可稽巨大。 本文参考:JMIR

返回365bet体育在线,查看更多

标签:,