यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह शोधपत्र एक गहन शिक्षण-आधारित पूर्वानुमान मॉडल प्रस्तुत करता है जो 3D इंट्राक्रैनील सीटीए छवि डेटा और हृदय रोग, आयु और लिंग संबंधी जानकारी का उपयोग करके स्ट्रोक की पुनरावृत्ति का शीघ्र पता लगाता है और उचित उपचार योजनाएँ निर्धारित करता है। 2010 से 2024 तक स्ट्रोक रोगियों के डेटा के आधार पर, हमने पुनरावृत्ति का द्विआधारी वर्गीकरण (कार्य 1) और पुनरावृत्ति-मुक्त उत्तरजीविता (RFS) (कार्य 2) का पूर्वानुमान और वर्गीकरण करने के लिए यूनिमॉडल और मल्टीमॉडल डीप लर्निंग न्यूरल नेटवर्क को प्रशिक्षित किया। कार्य 1 में, मॉडल ने केवल सारणीबद्ध डेटा का उपयोग करके 0.84 का एक उच्च वक्र के नीचे का क्षेत्र (AUC) प्राप्त किया। मुख्य कार्य, कार्य 2 (प्रतिगमन) में, मल्टीमॉडल XSRD-नेट ने 0.68:0.32 के अनुपात में छवि और सारणीबद्ध डेटा का उपयोग करके 0.68 का c-इंडेक्स और 0.71 का AUC प्राप्त किया। व्याख्यात्मक विश्लेषण से पता चला है कि हृदय रोग (सारणीबद्ध डेटा) और कैरोटिड धमनी (छवि डेटा) के बीच संबंध पुनरावृत्ति का पता लगाने और आरएफएस की भविष्यवाणी करने में एक महत्वपूर्ण कारक है। हम अतिरिक्त डेटा संग्रह और मॉडल पुनर्प्रशिक्षण के माध्यम से इस संबंध को और मज़बूत करने की योजना बना रहे हैं।
Takeaways, Limitations
•
Takeaways:
◦
हम स्ट्रोक पुनरावृत्ति जोखिम की भविष्यवाणी के लिए एक मल्टीमॉडल गहन शिक्षण मॉडल की प्रभावशीलता प्रस्तुत करते हैं।
◦
यह सुझाव दिया गया है कि हृदय रोग और कैरोटिड धमनी की स्थिति स्ट्रोक की पुनरावृत्ति से निकटता से संबंधित हैं।
◦
शीघ्र निदान और उचित उपचार योजना के लिए आधार तैयार करना।
•
Limitations:
◦
मल्टीमॉडल मॉडल (सी-इंडेक्स 0.68, एयूसी 0.71) का प्रदर्शन अभी तक सही नहीं है।
◦
अधिक डेटा संग्रहण और मॉडल पुनःप्रशिक्षण के माध्यम से प्रदर्शन में सुधार की आवश्यकता है।
◦
मॉडल के व्याख्यात्मक विश्लेषण के परिणाम अभी भी प्रारंभिक चरण में हैं और आगे अनुसंधान की आवश्यकता है।
