研究者获美国国家科学基金会拨款，利用人工智能实现宠物心脏病诊断自动化

叶史瓦大学卡茨科学与健康学院人工智能与计算机科学助理教授张博士（Youshan Zhang）获得了一项来自美国国家科学基金会（NSF）的17.5万美元拨款，用于研究通过开发一种创新的人工智能（AI）驱动的诊断工具来改善动物心脏肥大的诊断。

卡茨科学与健康学院人工智能和计算机科学助理教授张友山博士

心脏肥大是心脏增大的状况，是心脏病的关键早期指标，尤其在犬类中，同时也是人类和动物死亡的主要原因之一。传统上，该病症的检测依赖于对胸椎心脏比例（Vertebral Heart Scale, VHS）进行手动分析的胸部X光片（也称为胸片）。然而，这种方法不仅耗时、容易出错，而且需要专业知识，导致其效率和普及性较低。

张博士的项目“基于人工智能的兽医心脏病检测”通过开发深度学习模型来应对这些挑战，这些模型能够以更高的准确性和速度自动化VHS过程。“项目的主要目标是弥合传统临床方法与先进AI模型之间的差距，”尤善张博士说道。

“许多临床医生，特别是那些没有深度学习背景的临床医生，由于当前模型缺乏透明度和可解释性，很难信任AI生成的结果。”

为了建立信任和可用性，该项目旨在将传统的VHS指标融入深度学习框架。这将使临床医生能够更好地理解AI预测结果是如何与既定医学标准相一致的。研究将侧重于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而言更加直观，并减少对手动计算的依赖。

该项目基于张博士早先在《科学报告》（Scientific Reports）上发表的工作，他当时介绍了用于犬类心脏肥大评估的回归视觉转换器（Regressive Vision Transformer, RVT）。在此基础上，他的新项目列出了三个主要目标：

开发新型检测模型：张博士将创建一个名为垂直全连接层（Perpendicular Fully Connected Layer, PFCL）的新工具，该工具将确保在X光片图像中测量心脏的方式更加精确，通过确保用于测量的某些线条彼此呈直角。这将有助于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，从而使心脏问题的诊断更加可靠。

自动报告生成：利用深度语义映射和少量样本生成技术，尤善张博士将开发能够在极少训练数据下生成心脏肥大报告的工具。这将简化诊断过程，特别是对于全科医生的初步评估而言。

用户友好的软件界面：该项目的一个重要成果将是为临床医生和公众创建一个易于使用的软件界面。该工具将数据标注、结果预测、报告生成和修改整合到一个平台中，使其无需事先具备专业知识即可轻松使用。

“通过开发更精确且易用的诊断工具，该项目旨在降低心脏肥大检测的成本，同时提高诊断准确性并减轻宠物主人的压力，”张博士说道，“该项目的深度学习模型还可能为人类医学中的类似AI应用铺平道路，特别是在改善心脏病的早期检测方面。”