Door machine learning ondersteunde analyse van microcirculatiepatronen en parameters

De sublinguale microcirculatievideo's zijn afkomstig uit de 11 klinische onderzoeken die worden uitgevoerd in het National Taiwan University Hospital.

In de eerste fase worden de microcirculatievideo's en de gerelateerde informatie op een geanonimiseerde manier opgenomen. Elke microcirculatievideo in de database heeft een unieke code. De videogerelateerde gegevens omvatten de lengte, het gewicht, de bloeddruk, de hartslag, de gezondheidsstatus, de belangrijkste ziekten, de waarden van het laboratoriumonderzoek, de beschrijving van de videokwaliteit, de geautomatiseerde vasculaire analyse (AVA) 3 softwareanalyseresultaten inclusief de totale vaatdichtheid (TVD), dichtheid van geperfundeerde bloedvaten (PVD), proportie van geperfuseerde vaten (PPV), microvasculaire stroomindex (MFI) en heterogeniteitsindex (HI). De lengte van elke microcyclusvideo is 4-6 seconden en er zijn 25 frames per seconde. Maak een foto als een representatieve afbeelding, elke video kan overeenkomen met 4 afbeeldingen en elke microcirculatieafbeelding wordt ook gemarkeerd met de beeldkwaliteit. Het machine learning-model wordt getraind om de kwaliteit van video's en afbeeldingen te onderscheiden. Alleen video's en afbeeldingen van goede kwaliteit worden gebruikt voor verdere analyse.

In de tweede fase wordt 80% van de microcirculatievideo's en -afbeeldingen gebruikt voor training en validatie om het beste model te vinden, en vervolgens wordt de resterende 20% van de microcirculatievideo's en -afbeeldingen gebruikt om de prestaties van het model te testen. Het eerste trainingsdoel is om automatisch de grootte van bloedvaten te onderscheiden, TVD te berekenen en een histogram te tekenen van het aantal microvaatjes met verschillende diameters. Het tweede trainingsdoel is het meten van de bloedstroomsnelheid in elk klein bloedvat en het berekenen van PVD-, MFI- en HI-waarden.