生物科学门户网站
BIO1000.COM

Skoltech科学家使用机器学习来帮助医生找到静脉

Skoltech的研究人员已经开发出了一种医学成像系统的早期原型,该原型使用神经网络分析静脉的近红外图像并将静脉图案投射到患者的身体上-这可能会使抽血的患者更容易抽血,并且减少了烦扰难以进入静脉。该论文发表在第16届国际控制,自动化,机器人技术和视觉会议(ICARCV)的会议记录中。

根据文件中引用的数据,在全球每天进行的大约2000万次血液测试中,估计有近45%的患者因糖尿病等疾病而难以进入静脉,这会给患者带来一定程度的不适感。年龄很小,或者仅仅是身体的个性特征。在这些情况下,当难以辨认和无法触及静脉时,即使是经验丰富的医疗专业人员也必须求助于技术援助,否则可能会遭受多次或不正确的穿刺,这甚至可能对健康产生影响,尤其是对老年人而言。

Dmitry Dylov,计算和数据密集型科学与工程中心(CDISE)副教授,Skoltech计算成像小组负责人,他和他的同事们决定组装一个智能的近红外静脉扫描仪,该扫描仪可以确定一条手臂或一条腿非常准确,完全自动且独立(无需用户输入)。他们通过使用人工神经网络和强化学习来做到这一点,从而更好地分析图像并将其作为视觉辅助投射回患者的身体,并调整其形状和位置。

“红外静脉扫描仪已在临床实践中变得司空见惯。然而,这是第一个完全借助现代AI来完成所有工作的扫描仪:一个神经网络清洁并处理红外信号,第二个神经网络检测静脉轮廓,第三个人们不断地“担心”对准,以确保投射到患者手臂上的轮廓与实际静脉重叠。值得注意的是,我们要做的就是告诉系统在训练阶段,什么是好,什么是坏,以及神经网络。即使系统从未遇到过这种情况,我们仍然能够自行学习其余信息,自动为新患者,新环境,甚至畸变找到最佳设置,”德米特里·迪洛夫(Dmitry Dylov)说。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。