AI在诺奖上杀疯了,不出意外,这本AI、机器学习为主的12+神刊IF将大涨!北协和陈有信团队最近这篇深度学习+影像组学值得一学!

学术   2024-10-12 10:04   上海  
今年这届诺贝尔奖的抽象程度可谓爆表,物理学奖和化学奖竟然都颁给了AI相关课题。网友们戏谑:“得知今年的结果,诺贝尔本人都得连夜转码农。”AI模型背后的关键技术就是机器学习,所以,不出意外,机器学习必将迎来爆炸式发展,还没找到方向的小伙伴考虑一下机器学习吧!
今天,小云带来一篇北协和陈有信教授团队10月7日发表在npj Digital Medicine(IF:12.8)上的机器学习相关的文章。首先,这本期刊小云必须得先给大家隆重介绍一下!npj Digital Medicine隶属Nature Portfolio旗下,2018年创刊,首个影响因子就高达11分+,可谓创刊即王炸。这本期刊接收领域包括但不限于机器学习、人工智能、远程医疗、健康数据分析等。随着今年这届“诺贝尔AI奖”的揭晓,小云大单猜测,这本期刊也将随之大涨。机器学习领域想发表高质量文章的宝子可以考虑一下这边期刊哦。ps:如果你也想蹭一下机器学习的热度快速发表SCI,自己又对这个领域不熟悉,那就赶紧滴滴小云吧,方案设计和生信分析有我无忧!如果你是专业人士,但是服务器阻碍了你的分析进程,小云的服务器专享服务也能帮到你哦~联系我试用即可~

定制生信分析

云服务器租赁

(加微信备注99领取试用)


   
题目:利用超宽视场眼底图像通过深度学习筛选慢性肾脏疾病
发表时间:2024.10
关注公众号,后台发送“123”可以直接获取原文PDF,文献编号:241012
研究背景
慢性肾脏疾病(CKD)已成为可预防的发病和死亡的主要原因,对全球公共卫生构成重大威胁。然而,CKD筛查仍然是一个艰巨的挑战。迫切需要无创、方便和高度精确的临床检查和生物标志物。为了解决CKD筛查的挑战,作者设计了一个基于深度学习的CKD筛查模型,名为UWF-CKDS。它利用超宽视场(UWF)眼底图像预测CKD的存在。
数据来源
从41,469名患者中收集了123,585张UWF图像。在排除低质量图像和缺乏必要肾功能指标的患者后,最终纳入26,539张UWF眼底图像,对应9133例配对肾功能数据的患者。
内部数据集由23,313张与肾功能指标配对的UWF图像组成,按70:15:15的比例随机分为训练集、验证集和测试集。
多中心测试数据集包括来自1352名患者的3226张UWF图像。
研究思路
该研究分两个阶段进行,利用了从全国23家三级转诊医院的眼科收集的临床数据。第一阶段首先开发了超宽视场(UWF)眼底图像的血管分割模型,并自动量化各种视网膜微血管参数(RMPs),包括分形维数(Df)、血管扭曲度(TORT)和动静脉比(AVR)。随后,分析了这些RMPs与多项肾功能指标之间的相关性。然后,构建了一个筛选分类模型,通过输入UWF图像、血管指标、患者基本信息和病史,可以预测受试者是否患有慢性肾脏疾病(CKD)。第二阶段使用了从23个医疗机构收集的多中心数据集来评估全国范围内CKD筛查模型的性能。    
研究结果
一般数据
入组患者的人口学特征总结见表1。
动脉和静脉分割    
分割模型UNet++可以很好地从UWF图像中分割出动脉、静脉和视盘。每个通道的DICE得分分别为0.54、0.61和0.88。AUC评分分别为0.74 (95% CI: 0.70-0.79)、0.80 (95% CI: 0.76-0.83)和0.94 (95% CI: 0.91-0.98)。当分割仅限于眼底后区时,DICE评分分别为0.64、0.70、0.88,AUC评分分别为0.83 (95% CI: 0.81 ~ 0.85)、0.86 (95% CI: 0.84 ~ 0.88)、0.94 (95% CI: 0.91 ~ 0.98)。作者随机选择4张UWF图像对分割结果进行可视化(下图)。从评价指标和可视化结果来看,视盘和血管的分割与医生的注释非常相似。
RMP(视网膜微血管参数)与肾功能的关系
肾功能指标与视网膜血管指标的相关性分析结果见表2。在表3中进一步评价发现,UWF和中央图像的动脉-和静脉-Df(分形维数)与除UOB(尿隐血)外的大多数肾功能指标在不同水平上均显著相关。此外,动脉-UWF-Df与eGFR(估计肾小球滤过率)的相关系数最高。一般情况下,UWF-Df的相关性好于CR-Df, 动脉-Df的相关性好于静脉-Df(表3、图3)。    
分类模型结果
作者训练UWF-CKDS来预测CKD状态,并使用CR-CKDS进行比较。两种模型在内部测试集和多中心测试集上的性能指标如图3所示。结果表明UWF-CKDS比CR-CKDS更能预测预后。在图4中,热图显示了这两个模型感兴趣的区域。UWF-CKDS不仅聚焦于后极,而且也聚焦于视网膜周围区域。    
文章小结
该研究开发了一个基于深度学习的CKD筛查模型,展示了深度学习算法(DLA)在非侵入性视网膜摄影中的应用,为CKD筛查提供了新的视角。
不仅机器学习,影像组学目前的研究热度也是非常高。想做哪个方向,滴滴小云即可,个性化方案设计和数据分析从此不用担心!如果你想加入生信分析专属交流群也可以直接联系小云!

定制生信分析


云服务器租赁

热点推荐

孟德尔随机化

临床公共数据分析

单细胞测序

肿瘤免疫与微环境

机器学习

单基因分析

生信云服务器

代码合集(点击查看)

培训班系列(点击查看)

云生信学生物信息学
专注生信10余年,原创文章数千篇; 公号资料免费领,寻求服务找小云; 长期学习加关注,生信干货更不停。
 最新文章