ตามที่สมาคมแพทย์โรคหัวใจแห่งสหรัฐอเมริกา (American Heart Association) กล่าวว่ามีประชากรอย่างน้อย 2.7 ล้านคนในสหรัฐอเมริกาที่จะต้องประสบการภาวะหัวใจเต้นผิดปกติ โดยผลลัพธ์ของอาการที่ทำให้หัวใจเต้นไม่ปกติหรือกระตุกๆ นั้นสามารถนำไปสู่ภาวะหลอดเลือดอุดตัน หัวใจล้มเหลว และรวมไปถึงอาการอื่นๆ ที่ควบรวมกันมา เพื่อที่จะตรวจจับสัญญาณที่เป็นไปได้ที่จะเกิดขึ้นมาใหม่อีกหลังจากการรักษาไปแล้วนั้น ทางนักวิจัยจากมหาวิทยาลัยยูทาห์ (University of Utah) จึงได้สร้างระบบที่ใช้ deep learning เพื่อช่วยให้สามารถตรวจจับสัญญาณการเกิดอาการหัวใจเต้นผิดปกติขึ้นมาใหม่ได้ด้วยความแม่นยำถึง 90 เปอร์เซ็นต์
“พวกเรานำเสนอวิธีการอัตโนมัติที่ใช้ deep network เพื่อสร้างตัวแทนกายวิภาคตามตำแหน่งของผู้ป่วย (patient-specific landmark-based anatomy representation) โดยตรวจากข้อมูลการเต้นของหัวใจจากภาพ MRI 3 มิติ ดังนั้นจึงไม่จำเป็นจะต้องมีการดำเนินการ pre-processing และการ segmentation โดยใช้ขั้นตอน manual แต่อย่างใด” นักวิจัยกล่าวไว้ในงานตีพิมพ์
โดยทีมงานได้เทรนระบบโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก TensorFlow กับข้อมูลภาพ MRI หลายร้อยภาพเพื่อตรวจจับรูปร่างและความผิดปกติของหัวใจห้องบน (atrium) ซึ่งเป็นส่วนที่เกี่ยวข้องกับการเต้นผิดปกติของหัวใจ
โดยทีมได้สร้างข้อมูลเทรนเพิ่มเติมโดยใช้การทำ data augmentation กับข้อมูลอีก 75 เปอร์เซ็นต์ของข้อมูล original dataset เพื่อเพิ่มความแม่นยำของเน็ตเวิร์ก
โดยสถาบันสุขภาพแห่งชาติสหรัฐอเมริกา (National Institutes of Health) ได้ให้ทุนสำหรับงานวิจัยนี้ด้วย และงานวิจัยดังกล่าวนี้ได้ตีพิมพ์ใน ArXiv สัปดาห์นี้
Source : https://news.developer.nvidia.com/ai-helps-detect-atrial-fibrillation-recurrence-with-high-accuracy/
