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(或移植过程中没有血液流入器官的时间)。
为了更好地了解移植风险因素并改善患者的预后,隆德大学和瑞典斯堪纳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复杂的非线性关系。ANN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:国际心脏和肺移植协会(ISHLT)登记处和北欧胸移植数据库(NTTD)。Lund的研究人员利用MATLAB加速了神经网络的训练和仿真®, Deep Learning Toolbox™,以及MathWorks并行计算产品。下载188bet金宝搏
隆德大学(Lund University)心胸外科副教授约翰·尼尔森(Johan Nilsson)博士说:“我们使用的许多技术都需要大量计算机处理,而且非常耗时。”我们使用并行计算工具箱和MATLAB并行服务器在一个56处理器集群上分配工作。这使我们能够使用MATLAB和Deep Learning Toolbox快速识别出最优的神经网络配置,使用移植数据库中的数据对网络进行训练,然后进行仿真来分析风险因素和存活率。”