기계 학습은 심장 결함을 찾습니다

팀은 기증받은 11 명의 인간 심장과 최대 81 %의 정확도로 AF 드라이버를 찾아 접근 방식을 테스트했습니다.

MEM (Multi-electrode mapping)은 수술 중에 적용 할 수있는 기술로, 전극 배열을 조직에 대고 눌러 전기적 활동을 측정합니다. 그러나 AF 드라이버는 목표 절제라고하는 심장 조직 내에서 AF 드라이버를 태우는 것이 목적이기 때문에이 기술을 사용하여 충분한 신뢰성이나 정확성으로 찾기가 어려웠습니다.

0.3mm의 해상도를 가지고 있지만 너무 침습적이어서 수술 중 누군가 내부에서 사용할 수없는 표면 아래 근적외선 광학 매핑 (NIOM)이라고하는 AF 드라이버를 정확하게 찾을 수있는 기술이 있습니다.

팀은 기증 된 심장에서 수집 된 동시 MEM 및 NIOM 데이터를 사용하여 MEM 데이터 만 사용하여 AF 드라이버를 정확하게 찾을 수 있도록 기계를 훈련시킬 수 있다는 질문을 던졌습니다.

그리고이 개념 증명 연구의 결과 (81 %의 경우 MEM 데이터만으로 충분한 정확도로 절제를 안내 할 수 있음)는 유망합니다.

"훈련 된 ML 모델은 MEM에서 AF 드라이버를 정확히 찾아 낼 수 있으며 이는 잠재적으로 클리닉에서 사용될 수 있음을 의미합니다."라고 모스크바에있는 Skolkovo Institute of Science and Technology의 PhD 학생 인 Alexander Zolotarev는 Electronics Weekly에 말했습니다.

동료 연구원 Dmitry Dylov는“11 명의 인간 마음에서 기록한 데이터 세트는 귀중하고 너무 작습니다. "우리는 임상 번역이 대표 샘플링을 위해 훨씬 더 큰 샘플 크기를 필요로한다는 것을 깨달았습니다."

MEM 측정을 위해 2 개의 8 x 8 전극 어레이를 시도했습니다. 하나는 3mm 피치이고 다른 하나는 9mm였으며 카메라는 NIOM을 구현했습니다 (다이어그램 참조).

2019 Heart Rhythm Society 컨퍼런스 팀

훈련 및 사용에서 전극의 신호는 주파수 영역으로 푸리에 변환 된 다음, 주파수 피크의 높이와 위치가 학습 또는 인스턴스화를위한 데이터로 처리되었습니다.

3mm 어레이는 더 유용한 결과를 제공했지만 둘 다 장점이있었습니다.

Zolotarev는“일반 ML 모델은 두 MEM 어레이의 데이터를 결합합니다. "하지만 매핑 중에 어레이 중 하나만 사용할 수 있으며 동시에 구현할 수 없습니다."

'광 매핑 검증 된 머신 러닝은 다중 전극 매핑을 통해 심방 세동 운전자 감지를 개선합니다.'는 AHA 저널 Circulation : Arrhythmia and Electrophysiology에 자세히 설명되어 있습니다. 초록 만 자유롭게 사용할 수 있습니다.

Skolkovo Institute of Science and Technology는 Ohio State University Wexner Medical Center 및 Russian Center of Computational and Data-Intensive Science and Engineering과 협력했습니다.

다이어그램 크레딧 : Pavel Odinev Skoltech
사진 제공 : Fedorov lab Ohio State