检查胎盘的原因之一是寻找一种称为蜕膜性血管病变(DV)的血管病变。这些表明母亲在将来的任何怀孕中都有先兆子痫的风险-对母亲和婴儿可能致命的并发症。一旦被发现，先兆子痫就可以得到治疗，因此在症状出现之前确定高危母亲具有很大的益处。但是，尽管一张载玻片中有数百个血管，但仅需一个患病的血管即可表示危险。
机械部系校友Daniel Clymer博士说：“病理学家经过多年的训练，能够在这些图像中发现疾病，但是由于怀孕过程太多，因此他们没有时间去检查每个胎盘。”美国宾夕法尼亚州匹兹堡CMU工程学院。“我们的算法可帮助病理学家通过扫描图像，定位血管并找到识别DV的血管模式来了解应聚焦的图像。”
机器学习通过“训练”计算机来识别数据文件中的某些功能而起作用。在这种情况下，数据文件是胎盘样本薄片的图像。研究人员在计算机上显示各种图像，并表明胎盘是否患病或健康。经过充分培训后，计算机能够自行识别出病变的病灶。
对于计算机而言，仅查看大图片并对其进行分类是非常困难的，因此该团队引入了一种新颖的方法，通过该方法，计算机遵循一系列步骤来使任务更易于管理。首先，计算机检测图像中的所有血管。然后可以分别考虑每个血管，从而创建较小的数据包进行分析。然后，计算机将访问每个血管并确定是否应将其视为疾病或健康。在此阶段，该算法还考虑了怀孕的特征，例如胎龄，出生体重以及母亲可能有的任何状况。如果有任何患病的血管，则将图片以及胎盘标记为患病。UPMC团队提供了未识别的胎盘图像以训练算法。
Clymer博士解释说：“这种算法不会很快取代病理学家。”“这里的目标是通过标记病理学家应该仔细观察的图像区域，这种算法可能能够帮助加快这一过程。”
首席研究员Jonathan Cagan博士和Philip LeDuc博士(机械教授)补充说：“这是工程学与医学之间的完美合作，因为它们将各自的专业知识融合在一起，可以创造出可以帮助如此多人的新颖发现。”美国宾夕法尼亚州匹兹堡CMU的工程师。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
