Sztuczna inteligencja mózgowa moduł stosunku materii szarości-biało w dzielnicy Hsinchu District Hsinchu przy użyciu sztucznej inteligencji Moduł współczynnika materii szarości-białej

Celem tego badania jest ustanowienie elektronicznej dokumentacji medycznej i bazy danych obrazowania dla pacjentów z zatrzymaniem serca po szpitalu w National Tajwan University Hospital Hsinchu oddziału. Nasz zespół opracował model głębokiego uczenia się AI i automatyczny system analizy dla masy szarości mózgu w oparciu o dane ze szpitala uniwersyteckiego National Tajwan.

Zmiany te zostaną zatwierdzone na zewnątrz za pomocą bazy danych w oddziale HSINCHU w tym projekcie. Dokładna ocena prognozowania ma kluczowe znaczenie dla lekarzy i rodzin w podejmowaniu decyzji dotyczących okresu opieki po kratowaniu. Jednak obecne dostępne narzędzia oceny mają ograniczoną dokładność. To badanie ma na celu opracowanie multimodalnego modelu oceny prognostycznej, który łączy elektroniczną dokumentację medyczną i system zautomatyzowanego analizy dla Materii Graywhite. Ta integracja zwiększy dokładność i możliwość predykcyjnej oceny rokowania. Zespół badawczy opracował już zautomatyzowany system analizy do obliczania współczynnika materii szarości mózgu na podstawie obrazów tomografii komputerowej mózgu, dostarczając ważnych informacji o zmianach patologicznych w mózgu.

Ponadto zespół opracował również model predykcyjny oparty na sztucznej inteligencji dla prognoz zatrzymania kratowania, zawierający wiele wskaźników i zmiennych. System ten został zatwierdzony przy użyciu danych z National Tajwan University Hospital.

Aby dodatkowo potwierdzić dokładność i niezawodność naszych modeli, zespół badawczy planuje współpracę z oddziałem HSINCHU w zakresie gromadzenia i organizowania odpowiednich danych pacjentów z zatrzymaniem kratowania, w tym elektronicznej dokumentacji medycznej i plików obrazowania. Opracowany system zautomatyzowany analizy dla masy szarości mózgu i modelu predykcyjnego opartego na AI zostanie zastosowany do walidacji zewnętrznej. Dzięki tym badaniom celem jest ustanowienie i zoptymalizowanie bardziej kompleksowego i dokładnego modelu oceny rokowania, pomaganie lekarzom i rodzinom w podejmowaniu lepszych decyzji dla pacjentów z zatrzymaniem kratowania.

Ponadto współpraca z oddziałem HSINCHU umożliwi walidację naszych modeli w zakresie zastosowania w różnych instytucjach medycznych i populacjach pacjentów.