圖片來源: 

史丹佛大學

機器學習在醫療領域的應用又更進一步,日前,史丹佛大學發布,其機器學習團隊研發一套深度學習演算法,能夠從心電圖訊號(ECG)中偵測14種心律異常的類型,且聲稱這套演算法診斷這些心律異常的準確度與人工診斷不相上下。

史丹佛大學和心跳監測公司iRhythm合作,蒐集大量用來訓練深度神經網路模型的資料,並用7個月的時間,訓練這套深度神經網路模型能夠與人工診斷一樣準確地判斷不同種類的心律異常。

而這套深度學習演算法能透過穿戴式監測裝置蒐集的數個小時的心律資料,來判斷患者是否有心律不整或心跳異常的狀況。另外,為了確保演算法判斷結果的準確性,史丹佛大學也與6位心臟病專家合作。

史丹佛大學表示,這套深度學習演算法的診斷有著心臟病專家等級的準確度,且還具有不會疲勞的優點,能夠進行立即且連續的心律異常檢測。而這套演算法除了能夠提升病人照顧的品質之外,還能協助醫生節省時間。

另外,史丹佛大學機器學習團隊期望,這套心律異常檢測演算法能夠發展為穿戴式裝置的一部分,並藉此協助難以取得心臟病專家資源的發展中國家或農村地區。

 

史丹佛大學心律診斷機器學習演算法影片介紹:

 

 


熱門新聞

Advertisement