Ana sayfa/Sağlık

Enerji verimli IoT sistemi, kalp hastalığı tahminini derin öğrenmeyle birleştirdi

Yeni araştırma, simüle edilmiş düşük enerjili veri iletimini üç açık kalp hastalığı veri kümesinde sınanan derin öğrenme modeliyle tek çerçevede birleştirdi.

Enerji verimli IoT sistemi, kalp hastalığı tahminini derin öğrenmeyle birleştirdi için özgün kapak görseli
KISA ÖZET

Bilmen gereken 3 şey

  • İletişim katmanında karınca kolonisi-genetik algoritma birleşimiyle simüle edilmiş IoT ağının enerji tüketimi azaltılmaya çalışıldı.
  • Tahmin katmanı PCA ile özellik sıkıştırmayı ve optimize edilmiş öz-uyarlamalı derin sinir ağını kullanıyor.
  • Model üç çevrimdışı klinik veri kümesinde yüzde 95,05 ile yüzde 98,56 arasında doğruluk bildirdi; gerçek giyilebilir cihazlarda denenmedi.
YAPAY ZEKÂ ETKİ KARTI

Bu gelişme nereyi etkiliyor?

ETKİ
ANALİZİ
Toplum92/100
Bilim90/100
Günlük yaşam78/100
Ekonomi66/100

Bu puanlar haberin kapsamı, etkilenen kişi ve sektörler ile kısa–orta vadeli sonuçları dikkate alınarak editoryal olarak hazırlanır.

Ne oldu?

12 Eylül tarihli çalışmada Cleveland Heart Disease, South African CHD ve Framingham Heart Study tablolu veri kümeleri kullanıldı. İletişim ağı ise fiziksel sensörler yerine yazılım ortamında ayrı olarak simüle edildi.

Araştırmacılar beş katlı çapraz doğrulama ve istatistiksel karşılaştırmalar uyguladı. Yüksek deneysel sonuçlara karşın gerçek cihaz, klinik iş akışı ve ileriye dönük hasta sonuçları değerlendirilmediği için rakamlar sahadaki performans garantisi olarak yorumlanmamalı.

Neden önemli?

Uzaktan sağlık izlemede model doğruluğu kadar sensörlerin enerji tüketimi ve bağlantı ömrü de belirleyici. Çalışma bu iki problemi aynı mimaride ele alıyor, fakat klinik değerin gösterilmesi için gerçek donanım ve hasta çalışmaları gerekiyor.

KONU ZAMAN ÇİZELGESİ

Sağlık gündemi nasıl ilerledi?

RESMÎ KAYNAKScientific Reports

Haberin dayandığı özgün duyuruyu inceleyebilirsin.

Kaynağı aç
TOPLULUK

Yorumlar 0

Forum'a git
İlk yorumu sen yaz.

Bu haber hakkında topluluk sohbetini başlatabilirsin.

OKUMAYA DEVAM ET

Haber akışı devam ediyor

Aşağı kaydırdıkça sıradaki yapay zekâ haberleri otomatik olarak açılır.

SIRADAKİ HABER01

Makine öğrenmesi, çocuklarda IgA vaskülit nefriti riskini sınıflandırdı

İki dönemden çocuk hasta verilerini inceleyen araştırmacılar, pandemi sonrası koşullara uyarlanan ve bölgesel olarak dış doğrulanan bir rastgele orman risk modeli geliştirdi.

Makine öğrenmesi, çocuklarda IgA vaskülit nefriti riskini sınıflandırdı kapak görseli

Ne oldu?

Scientific Reports’ta 12 Eylül’de yayımlanan araştırma, çocuklarda IgA vaskülitinin böbrek tutulumuna dönüşme riskinin zaman içinde değişip değişmediğini inceledi. Pandemi öncesi model, daha sonraki kohorta aktarıldığında AUC değerinde 0,136 düşüş gösterdi.

Yeni rastgele orman modeli bölgesel bir dış veri grubunda umut verici sonuçlar verdi. Ancak çalışma geriye dönük ve bölgesel; modelin rutin klinik kullanımından önce ileriye dönük, çok merkezli doğrulama gerekiyor.

Neden önemli?

Bir sağlık yapay zekâsı geçmiş veride iyi çalışsa bile hasta özellikleri zamanla değiştiğinde doğruluğunu kaybedebilir. Çalışma, klinik modellerin yalnızca kurulmasının değil, yeni dönemlerde yeniden sınanmasının da zorunlu olduğunu gösteriyor.

Sıradaki haber hazırlanıyor…

YAPAY ZEKÂ ▲38%APPLE ▲21%ROBOTİK ▲17%ÇİP ▲12%OYUN ▼8%SİBER GÜVENLİK ▲24%