Künstliche Intelligenz zerebraler grau-weiß-Materie-Verhältnis-Modulmodul in Hsinchu-Distrikt Hsinchu Distrikt unter Verwendung einer künstlichen Intelligenz Cerebral Gray-White-Materie-Verhältnis-Modul

Ziel dieser Studie ist es, eine elektronische Krankenakten- und Bildgebungsdatenbank für Patienten außerhalb des Krankenhauses im National Taiwan University Hospital Hsinchu Branch aufzubauen. Unser Team hat ein KI-Deep-Learning-Modell und ein automatisiertes Analysesystem für grau-weiße Materie für Gehirn entwickelt, die auf Daten des National Taiwan University Hospital basieren.

Diese Entwicklungen werden in diesem Projekt extern validiert mit der Datenbank in der HSINCHU -Niederlassung. Eine genaue Prognosebewertung ist für Ärzte und Familien von entscheidender Bedeutung, um Entscheidungen in Bezug auf die Pflegedauer der postkardialen Verhaftung zu treffen. Die aktuellen verfügbaren Bewertungsinstrumente haben jedoch eine begrenzte Genauigkeit. Diese Studie zielt darauf ab, ein multimodales prognostisches Bewertungsmodell zu entwickeln, das elektronische Krankenakten und das automatisierte Analysesystem für Gehirngrauwhite -Materie kombiniert. Diese Integration wird die Genauigkeit und Vorhersagefähigkeit der Prognosebewertung verbessern. Das Forschungsteam hat bereits ein automatisiertes Analysesystem zur Berechnung des Grauweih-Materie-Verhältnisses des Gehirns aus Gehirn-Computertomographie-Bildern entwickelt und liefert wichtige Informationen über pathologische Veränderungen im Gehirn.

Darüber hinaus hat das Team auch ein AI-basierter Vorhersagemodell für die Prognose der Nachkardialen Festnahme entwickelt, wobei mehrere Indikatoren und Variablen einbezogen werden. Dieses System wurde unter Verwendung von Daten des National Taiwan University Hospital validiert.

Um die Genauigkeit und Zuverlässigkeit unserer Modelle weiter zu validieren, plant das Forschungsteam eine Zusammenarbeit mit der HSinchu-Niederlassung bei der Sammlung und Organisation relevanter Daten von Patienten nach dem Kardialen, einschließlich elektronischer medizinischer Aufzeichnungen und Bildgebungsdateien. Das entwickelte automatisierte Analysesystem für Gehirngrauweißmaterie und das AI-basierte Vorhersagemodell werden für die externe Validierung angewendet. Durch diese Forschung ist es das Ziel, ein umfassenderes und genaueres Prognosebewertungsmodell zu etablieren und zu optimieren und Ärzte und Familien dabei zu unterstützen, bessere Entscheidungen für Patienten mit postkardialen Festnahmen zu treffen.

Darüber hinaus ermöglicht die Zusammenarbeit mit der HSINCHU -Niederlassung die Validierung unserer Modelle in verschiedenen medizinischen Institutionen und Patientenpopulationen.