Maskinlæringsassistert analyse av mikrosirkulasjonsmønstre og parametere

De sublinguale mikrosirkulasjonsvideoene er hentet fra de 11 kliniske studiene som gjennomføres ved National Taiwan University Hospital.

I det første trinnet er mikrosirkulasjonsvideoene og den relaterte informasjonen inkludert på en avidentifisert måte. Hver mikrosirkulasjonsvideo i databasen vil ha en unik kode. De videorelaterte dataene vil inkludere pasientens høyde, vekt, blodtrykk, hjerteslag, helsestatus, alvorlige sykdommer, laboratorieundersøkelsesverdier, videokvalitetsbeskrivelse, automatisert vaskulær analyse (AVA) 3 programvareanalyseresultater inkludert total kartetthet (TVD), perfusert kartetthet (PVD), andel av perfuserte kar (PPV), mikrovaskulær strømningsindeks (MFI) og heterogenitetsindeks (HI). Lengden på hver mikrosyklusvideo er 4-6 sekunder, og det er 25 bilder per sekund. Ta et bilde som et representativt bilde, hver video kan tilsvare 4 bilder, og hvert mikrosirkulasjonsbilde vil også merkes med sin bildekvalitet. Maskinlæringsmodellen vil bli trent for å skille kvaliteten på videoer og bilder. Kun videoer og bilder av god kvalitet vil bli brukt til videre analyse.

I det andre trinnet vil 80 % av mikrosirkulasjonsvideoene og -bildene brukes til trening og validering for å finne den beste modellen, og deretter vil de resterende 20 % av mikrosirkulasjonsvideoene og -bildene brukes til å teste modellens ytelse. Det første treningsformålet er å automatisk skille størrelsen på blodårene, beregne TVD og tegne et histogram over antall mikrokar med forskjellige diametre. Det andre treningsformålet er å måle blodstrømhastigheten i hvert lille kar og beregne PVD-, MFI- og HI-verdier.