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。“