Yeshiva大学科学与健康学院的人工智能和计算机科学助理教授张友山博士获得了美国国家科学基金会（NSF）17.5万美元的资助，用于研究旨在通过开发创新的AI驱动诊断工具来改善动物心脏肥大的诊断。
心脏肥大是心脏增大的症状，是心脏病的重要早期指标，尤其在狗中表现明显，也是人类和动物死亡的主要原因之一。传统上，这种病症的检测依赖于手动分析胸部X光片，使用脊椎心脏比例（VHS）方法。然而，这种方法耗时较长，容易出现人为错误，且需要专门的知识，这使得其在广泛应用中效率较低且不易获取。
张博士的项目“用于兽医医学的心脏病检测AI”旨在通过开发深度学习模型来解决这些问题，这些模型能够更准确、快速地自动化VHS过程。“项目的首要目标是弥合传统临床方法与先进AI模型之间的差距。”张博士说，“许多临床医生，尤其是那些没有深度学习背景的医生，由于当前模型缺乏透明度和可解释性，难以信任AI生成的结果。”
为了建立信任和可用性，该项目计划将传统的VHS指标整合到深度学习框架中。这将使临床医生更好地理解AI预测如何与既定的医疗标准一致。研究将集中在提高这些模型的透明度和准确性，使诊断过程对兽医专业人士更加直观，并减少对人工计算的依赖。
该项目基于张博士早前在《Scientific Reports》上发表的工作，他介绍了用于狗心脏肥大评估的回归视觉变换器（RVT）。在此基础上，他的新项目提出了三个主要目标：
- 开发新的检测模型：张博士将创建一个称为垂直全连接层（PFCL）的新工具，确保在X光图像中测量心脏的方式更加精确，即确保某些用于测量的线条彼此完全垂直。这将帮助计算机模型更好地检测心脏的重要特征，并更准确地计算其大小，从而提高心脏病诊断的可靠性。
- 自动生成报告：利用深度语义映射和少样本生成技术，张博士将开发能够使用最少训练数据生成心脏肥大报告的工具。这将简化诊断过程，特别是对于由普通医生进行的初步评估。
- 用户友好的软件界面：项目的一个重要成果将是创建一个易于使用的软件界面，供临床医生和公众使用。该工具将结合数据标注、结果预测、报告生成和修改功能于一体，无需事先的专业知识即可轻松使用。
“通过开发更精确和易用的诊断工具，该项目旨在降低心脏肥大检测的成本，提高诊断准确性，并减轻宠物主人的压力。”张博士说，“该项目的深度学习模型还可能为类似的人工智能应用铺平道路，特别是在提高人类心脏病的早期检测方面。”
(全文结束)
