心血管疾病不仅是美国，也是全球范围内的首要死亡原因，根据世界卫生组织的数据。
肯尼索州立大学（Kennesaw State University）学生佩德罗·亨里克·贡萨尔维斯·席尔瓦·平托（Pedro Henrique Goncalves Silva Pinto）的研究旨在通过从医学影像数据中分割和分析血流，简化心血管疾病的诊断与管理。
在计算机科学助理教授陈昭（Chen Zhao）的指导下，平托正在利用机器学习开发一种快速且准确的血流预测模型。
“想象一下，如果医生只需通过一次简单扫描就能预测血液如何在体内流动；”平托说，“这就是我的研究正在帮助构建的未来。”
作为一名计算机科学专业的学生，平托正通过本科生研究办公室的暑期本科生研究计划（Summer Undergraduate Research Program, SURP）开展这项工作。
目前，医疗专业人员通过计算流体动力学（Computational Fluid Dynamics, CFD）来检查血流，这种方法既缓慢又昂贵。它延缓了诊断过程，阻碍了治疗，并有时导致高死亡率。
此外，心血管疾病有多种类型，尽管许多疾病表现出相似的症状组合，但每种疾病都有其独特的危险性。
平托研究的关键组成部分是深度学习架构，这是一种用于快速处理大量数据以定位和记忆模式的人工智能模型。
“U-Net 和 V-Net 都是深度学习模型架构，”平托说。“U-Net 专注于图像处理，而 V-Net 更专注于治疗。我们可以使用 V-Net 来预测血管内部的压力，同时使用 U-Net 从 CT 扫描中提取血管。”
快速预测这些模式的能力为将该技术整合到诊断工作流程中打开了大门，可能有助于临床医生进行早期疾病检测和治疗规划。
(全文结束)
