心脏移植受者的存活取决于几十个变量,包括体重、性别、年龄、供体和受者的血型,以及缺血时间——即移植过程中器官没有血流的时间。
为了更好地了解移植危险因素和改善患者预后,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)来探索多个变量之间的复杂非线性关系。人工神经网络模型使用来自两个全球数据库的供体和受体数据进行训练:国际心肺移植协会(ISHLT)注册和北欧胸器官移植数据库(NTTD)。Lund的研究人员使用MATLAB加速了他们的人工神经网络的训练和仿真®、Deep Learning Toolbox™和MathWorks并行计算产品。s manbetx 845
隆德大学心胸外科副教授Johan Nilsson博士说:“我们使用的许多技术都是计算机密集型的,而且很耗时。”“我们使用MATLAB并行服务器的并行计算工具箱在一个56个处理器集群上分发工作。这使我们能够使用MATLAB和深度学习工具箱快速识别最佳神经网络配置,使用移植数据库中的数据训练网络,然后运行模拟来分析风险因素和存活率。”