用户故事

隆德大学开发人工神经网络来匹配心脏移植供体和受者

挑战

通过确定最佳受体和供体匹配来提高心脏移植受者的长期生存率

解决方案

使用MathWorks工具开发一个预测人工神经网络模型，并在56个处理器的计算集群上模拟数千个风险配置组合

结果

  • 预期5年生存率提高了10%
  • 网络培训时间减少了三分之二以上
  • 模拟时间从几周缩短到几天

“我花了很多时间在诊所里，没有时间或技术专长来学习、配置和维护软件。MATLAB让像我这样的医生很容易完成工作并产生有意义的结果。”

约翰·尼尔森医生，Skåne隆德大学医院

心脏移植受者的存活取决于几十个变量，包括捐献者和受者的体重、性别、年龄和血型，以及缺血时间——移植过程中器官没有血液流动的时间。

为了更好地了解移植风险因素并改善患者预后，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复杂的非线性关系。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:国际心肺移植学会(ISHLT)登记处和北欧胸移植数据库(NTTD)。隆德大学的研究人员使用MATLAB加速了他们的神经网络的训练和仿真®、深度学习工具箱™和MathWorks并行计算产品。2022世界杯八强谁会赢？

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是计算机密集型和耗时的。”“我们使用并行计算工具箱和MATLAB并行服务器在56处理器集群上分配工作。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。”

挑战

要了解各种风险因素如何影响生存率，需要进行数十万次计算和数据密集型操作——例如，该团队必须测试数百种人工神经网络配置，以确定最佳配置。对6个变量的分析需要模拟3万个不同的组合。使用开源软件包模拟50,000名患者的所有这些组合花费了数周时间。

尼尔森和他的同事也遇到了他们使用的软件的可靠性问题。尼尔森解释说:“软件不稳定，导致在长时间、多日的模拟中崩溃。”此外，它产生的一些结果并不完全正确。当我们公布我们的研究结果时，我们需要非常确定我们可以相信这些结果。”

解决方案

为了解决速度和可靠性的挑战，隆德大学的研究人员使用MATLAB和深度学习工具箱开发了他们最初的神经网络模型。为了找到最优的网络配置，他们编写了MATLAB脚本，根据权重衰减(或正则化)值的范围来改变网络中使用的隐藏节点的数量。

该团队使用并行计算工具箱™和MATLAB并行服务器™加速了200多个ANN配置的模拟。然后，他们对结果进行评估，以找到性能最佳的配置。

在使用数据库中的供体和受体信息训练神经网络后，他们通过模拟从训练集中删除的10,000名患者的结果，验证了模型的准确性。然后，他们将结果与实际生存率进行了比较。

下一阶段，研究团队进行了数千次并行模拟，对研究中考虑的57个风险因素进行排名，以预测长期生存率。

利用计算机集群上的蒙特卡洛模拟和模拟退火技术的结果，研究人员确定了任何特定接受者的最佳和最差可能的供体。

作为最后一步，该团队开发了一个自动化流程，对等待接受捐赠者的名单进行排名，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人工神经网络来研究人类白细胞抗原(HLA)基因图谱来匹配供体和受体。

结果

  • 预期5年生存率提高了10%．Nilsson说:“在模拟随机试验中，初步结果表明，我们使用MATLAB和深度学习工具箱开发的神经网络模型比使用传统选择标准移植的患者多约20%。”“ann选择的患者的预期5年生存率比那些符合医生今天使用的标准的患者高5-10%。”1、2

  • 网络培训时间减少了三分之二以上．“使用深度学习工具箱和MATLAB，我们花了5到10分钟来训练我们的ann，”Nilsson说。“使用开源软件进行培训需要30到60分钟。这是一个很大的区别，因为我们正在训练和评估数百种网络配置。”

  • 模拟时间从几周缩短到几天．“当我们切换到MATLAB和MathWorks并行计算技术时，我们在大约5天内完成了通常需要3到4周的实验，”Nilsson说。“更重要的是，模拟是可靠地完成的，没有发生事故。”

1尼尔森，J.， Ohlsson, M.， Höglund, P.， Ekmehag, B.， Koul, B.和安德森，B.(2015)。”国际心脏移植存活算法(IHTSA):改善器官共享和存活的新模型．”《公共科学图书馆·综合》。10 (3), e0118644。doi: 10.1371 / journal.pone.0118644

2安萨里，D.，安德森，B.， Ohlsson, M.， Höglund, P.，安德森，R.和尼尔森，J.(2013)。”codusa在心脏移植中使用模拟退火自定义最佳供体．”科学报告,3, 1922。doi: 10.1038 / srep01922

2022世界杯八强谁会赢？产品使用

了解更多关于隆德大学的信息

展示你的成功

加入客户参考计划

开始
Baidu
map