心脏移植受体的存活取决于数十种变量，包括供体和接受者的重量，性别，年龄和血型，以及在没有血液对器官的血液流动时移植过程中的缺血时间或时间。
为了更好地了解移植风险因素和改善患者结果，瑞典隆德大学和Skåne大学医院的研究人员使用人工神经网络（ANNS）来探索多变量之间的复杂非线性关系。ANN模型是使用从两个全球数据库获得的捐助者和收件人数据培训：国际心脏和肺移植（ISHLT）登记处和北欧胸部移植数据库（NTTD）。Lund研究人员通过使用MATLAB加速了他们的ANN的培训和模拟®，深度学习工具箱™和Mathworks并行计算产品。s manbetx 845
“我们使用的许多技术都是计算机密集型和耗时的，”隆德大学心胸外科副教授Johan Nilsson博士说。“我们使用与MATLAB并行服务器的并行计算工具箱，以在56处理器集群上分发工作。这使我们能够使用Matlab和Deep Learing Toolbox快速识别最佳神经网络配置，使用来自移植数据库的数据列车，然后运行模拟以分析风险因素和生存率。“
为了解决速度和可靠性挑战，隆德大学研究人员使用Matlab和深度学习工具箱开发了他们的初始Ann模型。要查找最佳网络配置，它们将写入MATLAB脚本，可在网络中使用的隐藏节点的数量进行重量衰减（或正则化）值。
该团队使用了并行计算工具箱™和MATLABPLANDELS Server™来加速200多个ANN配置的模拟。然后，它们评估结果以找到最佳配置。
在使用数据库中使用捐赠者和收件人信息培训ANN后，他们通过模拟培训集中省略的10,000名患者的结果来验证模型的准确性。然后他们将结果与实际存活率进行比较。
在下阶段，该团队并行进行了数千次仿真，以排列研究中考虑的57个风险因素，以预测长期存活。
使用Monte Carlo模拟的结果对计算机集群和模拟退火技术，研究人员确定了任何特定接受者的最佳和最糟糕的捐赠者。
作为最后一步，该团队开发了一个自动化进程，将收件人等待名单划分，以确定潜在捐赠者的最佳候选人。
在该项目的下一个主要阶段，隆德大学的研究人员正在使用该ANN调查人白细胞抗原（HLA）遗传型材与接受者匹配供体的使用。
预期五年生存率升高至10％。“在模拟的随机试验中，初步结果表明，我们使用Matlab和Deep Learing Toolbox开发的ANN模型将移植大约20％的患者，而不是使用传统选择标准的患者，”尼尔森说。“安然患者的前瞻性五年生存率比与今天使用的标准医生相匹配的5-10％。”1,2
网络培训时间减少了三分之二以上。“使用深层学习工具箱和MATLAB，它花了5到10分钟才能训练我们的神殿，”尼尔森说。“使用开源软件，培训需要30到60分钟。这是一个很大的不同，因为我们正在培训和评估数百个网络配置。“
模拟时间从数周到几天切。“当我们转向MATLAB和MATHWORKS并行计算技术时，我们完成了实验，在大约5天内定期花了3到4周，”尼尔森说。“更重要的是，模拟可靠地完成，没有崩溃。”
1Nilsson，J.，Ohlsson，M.，Höglund，P.，Ekmehag，B.，Koul，B.和Andersson，B。（2015）。“国际心脏移植生存算法（IHTSA）：改善器官分享和生存的新模型。“Plos一个，10（3），E0118644。DOI：10.1371 / journal.pone.0118644
2Ansari，D.，Anderson，B.，Ohlsson，M.，Högöglund，P.，Andersson，R.和Nilsson，J.（2013）。“Codusa - 使用心脏移植中的模拟退火定制最佳供体。“科学报告，3,1922。DOI：10.1038 / srep01922
加入客户参考计划
您还可以从以下列表中选择一个网站：
