ATP Deep Learning

Поражение коронарных артерий является основной причиной развития инфаркта миокарда, жизнеугрожающих нарушений ритма. Выявление патологии коронарных артерий является трудоемкой и дорогостоящей задачей. Для диагностики используются МСКТ с контрастированием коронарных артерий, коронарография, стресс ЭХОКГ. Мы предлагаем новый экспериментальный метод диагностики с использованием нейронных сетей. Потребуется только ЭКГ и ввод базовых данных для определения факторов риска. Предназначено для использования врачами, а также пациентами с целью последующего обсуждения тактики лечения со своим лечащим врачом.

Расчеты производятся с помощью предварительно обученной нейронной сети. Нейронные сети представляют собой математическую конструкцию, основным элементом которой является искусственный нейрон. В основе лежит алгоритм обратного распространения ошибки. Точность прогноза составляет - 80%, AUC - 0.74, чувствительность метода 63%, специфичность - 88%.

Электрокардиограмма (ЭКГ), снятая по образцу из ДЕМО. Данное условие необходимо в связи с тем, что нейронная сеть обучена на ЭКГ снимках с параметрами - скорость 25 мм/сек, амплитуда записи - 10 мм/мВ. Отведения должны располагаться как на образце из ДЕМО. В случае отличия ЭКГ возможны менее точные прогнозы. В случае невозможности получения ЭКГ как на примере ДЕМО необходимо воспользоваться приложениями для обработки изображений и сопоставить отведения или получить прогноз на исходной, загруженной Вами ЭКГ.

Результаты уровней общего холестерина и ЛПНП. На форме для введения входных данных необходимо указать нормальные значения из Вашей лаборатории. 0 - нет.

При обучении модели использовались критерии включения и исключения. Настоящая модель не обучалась на пациентах перенесших ранее реваскуляризацию коронарных сосудов. Также модель не обучалась на пациентах с любым иным ритмом кроме синусового на ЭКГ. Вы можете получить предикт в случае не вхождения в критерии включения и исключения, однако точность прогнозов будет ниже.