به گزارش مجله خبری نگار، به گفته دفتر مطبوعاتی این موسسه، محققان آن یک سیستم خودکار ایجاد کردهاند که به تکنیکهای یادگیری عمیق برای تقسیم تصاویر رزونانس مغناطیسی قلب با دقت بالا متکی است. هدف این سیستم کاهش بار روی متخصصان قلب است که معمولا این کار را به صورت دستی انجام میدهند.
فیبریلاسیون دهلیزی یکی از شایعترین اختلالات ریتم قلب است که حدود ۲ درصد از جمعیت جهان را تحت تاثیر قرار میدهد. تخمین زده میشود که شیوع آن در بین افراد بالای ۶۰ سال طی دو دهه آینده ۶۰ درصد افزایش یابد. این اختلال با انقباضات آشفته و بی اثر دهلیزی مشخص میشود که منجر به ضربان قلب نامنظم و همراه با علائمی مانند تنگی نفس، سرگیجه و ضعف عمومی میشود.
یک درمان شایع برای فیبریلاسیون دهلیزی، فرسایش کاتتر است، یک پروسیجر جراحی با هدف برداشتن بافتی که باعث نامنظم نبض میشود. اگرچه در موارد متناوب موثر است، اما نرخ عود همچنان بالا است. یک مطالعه اخیر توسط محققان موسسه نشان داد که استفاده از مدلهای دیجیتال قلب بر اساس دادههای رزونانس مغناطیسی ممکن است به کاهش این عودها کمک کند.
دکتر میخائیل اسلوویتسکی، رئیس تیم تحقیقاتی در آزمایشگاه پزشکی تجربی و سلولی، توضیح داد: ما یک مجموعه داده تخصصی و پروتکلهای استاندارد برای کدگذاری دستی ایجاد کردهایم تا دقت تقسیم بندی را بهبود بخشیم و فرآیند را برای پزشکان تسهیل کنیم. برای اطمینان از کیفیت، دادههای تصویربرداری را از دو منبع مختلف جمع آوری کردیم و دو کارشناس به صورت دستی آن را با استانداردهای خاص کدگذاری کردند. برای خودکارسازی فرآیند، ما به دو مدل شبکه عصبی تکیه کردیم: nnU-Net و smpU-Net++.
این مطالعه در مجله Computer Methods and Programs in Biomedicine منتشر شده است
منبع: TASS