রেনাল স্কারিং এর কৃত্রিম বুদ্ধিমত্তা মূল্যায়ন (AIRS স্টাডি) Ⅱ

ফলাফল

উভয় মডেলই 92 জন রোগীর কাছ থেকে মোট 152 টি সিটি স্ক্যানে প্রশিক্ষিত এবং যাচাই করা হয়েছিল, যার মধ্যে 148টি বাম কিডনি, 152টি ডান কিডনি এবং 73টি ছিল।কিডনি প্রতিস্থাপন. রোগীর বৈশিষ্ট্যগুলি সারণী 1 এ সংক্ষিপ্ত করা হয়েছে; 55 রোগীর ন্যূনতম বা হালকা (,25%) ফাইব্রোসিস ছিল, 14 রোগীকে মাঝারি (25%-50%) ফাইব্রোসিস হিসাবে শ্রেণীবদ্ধ করা হয়েছিল এবং 23 রোগীর গুরুতর (.50%) ফাইব্রোসিস ছিল। গড় eGFR ছিল 37626 বনাম 25618 বনাম 16613 মিলি/মিনিট প্রতি 1.73 m2, যথাক্রমে, হালকা বনাম মাঝারি বনাম গুরুতর ফাইব্রোসিস গ্রুপে। কিডনি সিটি ইমেজিংয়ে গুরুতর ফাইব্রোসিস রোগীদের বিরুদ্ধে বিশ্লেষণের জন্য হালকা/মাঝারি ফাইব্রোসিস রোগীদের গ্রুপ করা হয়েছিল;গড় কিডনি আয়তনমৃদু/মধ্যম বনাম গুরুতর (,50% বনাম $50%) ফাইব্রোসিস গ্রুপে 217 cm3 (পরিসীমা 48–668) বনাম 76 cm3 (পরিসীমা 3–347) ছিল। সেখানে একজন রোগীর বায়োপসি ছিল যা বিরোধপূর্ণ ফাইব্রোসিস স্কোর পেয়েছিল (বর্তমান প্যাথলজিস্ট পর্যালোচনার সাথে মেডিক্যাল চার্ট রিপোর্টের তুলনা) এবং দ্বিতীয় প্যাথলজিস্ট দ্বারা অন্ধ পর্যালোচনার মাধ্যমে গ্রাউন্ড ট্রুথ নির্ধারণ করা হয়েছিল (স্বীকৃতি দেখুন)

cistanche treat kidney disease

কিডনি রোগীদের জন্য CISTANCHE কাজ করতে কতক্ষণ সময় নেয়?

ক্রস-ফোল্ড ভ্যালিডেশনে, স্লাইস-বাই-স্লাইস মডেলটি একটি সামগ্রিক AUC দিয়েছে 0.917, যেখানে ভক্সেল-ভিত্তিক পদ্ধতির একটি সামগ্রিক AUC 0.922 (চিত্র 2) পাওয়া গেছে। মডেলের নির্ভুলতা, সংবেদনশীলতা, নির্দিষ্টতা, PPV, এবং NPV উভয় সিএনএন অ্যালগরিদম জুড়ে মূল্যায়ন করা বিভিন্ন থ্রেশহোল্ডে সারণী 2 এ সংক্ষিপ্ত করা হয়েছে। {{10}}.5 এর পূর্বাভাস থ্রেশহোল্ডে, স্লাইস-বাই -স্লাইস অ্যাপ্রোচ আমাদেরকে 0.831 এর নির্ভুলতা, 0.817-এর সংবেদনশীলতা, {{20}}.852-এর নির্দিষ্টতা, 0.886-এর PPV দিয়েছে , এবং 0.767 এর NPV। 0.5 এর একই ভবিষ্যদ্বাণী থ্রেশহোল্ডে, ভক্সেল-ভিত্তিক পদ্ধতির নির্ভুলতা 0.879, 0.853-এর সংবেদনশীলতা, {{35}-এর নির্দিষ্টতা সহ একই রকম ফলাফল পাওয়া গেছে }.916, 0.935-এর PPV এবং 0.816-এর NPV৷ গ্রাউন্ড-ট্রুথ প্যাথলজি রিপোর্টের সাথে তুলনা করলে ভক্সেল-ভিত্তিক পদ্ধতি 13টি মিথ্যা ইতিবাচক (হালকা/মাঝারি ফাইব্রোসিস গুরুতর হিসাবে শ্রেণীবদ্ধ), 32টি মিথ্যা নেতিবাচক (গুরুতর ফাইব্রোসিস সনাক্ত করা হয়নি; 15% মিস রেট), 187টি সত্য ইতিবাচক এবং 141টি সত্য নেতিবাচক ফলাফল দেয়। .

স্তরীভূত সাবকোহর্ট বিশ্লেষণের ফলাফলগুলি সারণি 3-এ দেখানো হয়েছে। উভয় মডেলের সামগ্রিক কর্মক্ষমতা পোস্ট কনট্রাস্ট পরীক্ষা এবং/অথবা বাদ দেওয়ার পরে একই ছিলএট্রোফিক নেটিভ কিডনি বর্জনট্রান্সপ্লান্ট করা রোগীদের মধ্যে। কর্মক্ষমতা একটি ছোটখাটো হ্রাস ({{0}}.86 নির্ভুলতা) পোস্ট কনট্রাস্ট পরীক্ষাগুলি সরানোর পরে ভক্সেল-ভিত্তিক সিএনএন কৌশলের জন্য বিশেষভাবে উল্লেখ করা হয়েছিল; অন্যান্য সমস্ত স্থানান্তর $0.90 এর নির্ভুলতা প্রদর্শন করেছে। উপরন্তু, সামগ্রিক মডেলের সাধারণীকরণ একচেটিয়াভাবে প্রস্তুতকারকের দ্বারা প্রশিক্ষণ সেট (ফিলিপস, জিই) এবং বৈধতা সেট (সিমেন্স) এর স্তরবিন্যাসের পরে সংরক্ষণ করা হয়েছিল। আমাদের ভবিষ্যদ্বাণী সরঞ্জাম এবং অন্যান্য সিএনএন গবেষণার একটি তুলনা যেকিডনি রোগের মূল্যায়নপরামিতি হল সমষ্টিসারণি 4 এ marized.

Echinacoside of cistanche can improve kidney function

আলোচনা

আমরা মেশিন লার্নিং টুল ডেভেলপ করার জন্য AIRS অধ্যয়ন শুরু করেছিকিডনি ফাইব্রোসিস পরিমাপ করুনরেনাল বায়োপসির জন্য একটি নন-ইনভেসিভ ডায়গনিস্টিক বিকল্প হিসাবে। 92 জন রোগীর একটি দলে, আমরা 300 বিশ্লেষণ করেছিনেটিভ কিডনির ছবিএবং 152টি পেটের সিটি স্ক্যান থেকে 73টি কিডনি প্রতিস্থাপন। আমরা পেয়েছি গ্লোবাল স্লাইস-বাই-স্লাইস এবং ভক্সেল-ভিত্তিক সিএনএন মডেলগুলি হালকা/ থেকে গুরুতর পার্থক্য করার ক্ষেত্রে একই রকম ছিলমাঝারি কিডনি ফাইব্রোসিস, AUC {{0}}.917 বনাম 0.922, এবং PPV 0.886 বনাম 0.935, যখন থেকে স্থল সত্যের সাথে তুলনা করা হয়কিডনি বায়োপসি রিপোর্ট. উভয় সিএনএন মডেলই ধারাবাহিকভাবে পারফর্ম করে যখন বিভিন্ন সিটি স্ক্যানারের বিরুদ্ধে পরীক্ষা করা হয় এবং যখন ট্রান্সপ্ল্যান্ট করা রোগীদের অ্যাট্রোফিক নেটিভ কিডনি বাদ দেওয়া হয়; গ্লোবাল স্লাইস-বাই-স্লাইস মডেলের ভবিষ্যদ্বাণীর নির্ভুলতা কিছুটা ভালো ছিল যখন শুধুমাত্র নন-কন্ট্রাস্ট সিটি স্ক্যানগুলি পরীক্ষা করা হয়েছিল।

ডায়াগনস্টিক কিডনি বায়োপসি যত্নের মান হিসাবে রয়ে গেছে যখন প্রোটিনুরিয়া, ট্রান্সপ্লান্ট প্রত্যাখ্যান বা ব্যাখ্যাহীন কিডনি পরিচালনার জন্য হিস্টোলজিক রোগ নির্ণয়ের প্রয়োজন হয়কর্মহীনতা (1,2)। যাইহোক, একটি নেটিভ কিডনি বায়োপসি করার সিদ্ধান্তটি জটিল হতে পারে, বিশেষ করে যদি রোগী অ্যান্টিকোঅ্যাগুলেশন থেরাপিতে থাকে বা রক্তাল্পতা বা থ্রম্বোসাইটোপেনিয়া থাকে, যা বড় জটিলতার ঝুঁকি বাড়াতে পারে,রক্ত সঞ্চালন, এনজিওগ্রাফিক হস্তক্ষেপ সহ,এবং মৃত্যু (সামগ্রিক ঘটনার হার 2%, 0.3%, এবং 0.06%,যথাক্রমে) (6)। ডিগ্রী মূল্যায়ন করার জন্য ননইনভেসিভ টুলকিডনিরফাইব্রোসিসের অভাব (7), এবং আজ পর্যন্ত ইউটিআই হয়নিসাবজেক্টিভিটি কমাতে লাইজড মেশিন লার্নিং টুলস এবংপক্ষপাত মূল্যায়ন করার সময় এই সরঞ্জামগুলি কার্যকর প্রমাণিত হতে পারেদীর্ঘস্থায়ী কিডনি বৈকল্যের অন্যান্য চিহ্নিতকারীর প্রেক্ষাপট(e.g., উন্নত প্যারাথাইরয়েড হরমোন এবং ফসফেট)। সমানেটিকুলার, গুরুতর ভবিষ্যদ্বাণী (.50%) ফাইব্রোসিস ন্যায়সঙ্গত হতে পারেকিডনি বায়োপসি এড়ানোর কারণ রোগী তা করবে নাইমিউন-মডুলেটিং থেরাপির জন্য প্রার্থী হন (i.e., দ্যবায়োপসি ক্লিনিকাল ব্যবস্থাপনা পরিবর্তন করবে না)। এই তথ্যmation মূল্যবান, উদাহরণস্বরূপ, যখন রোগীরা উপস্থিত হয়উন্নত কিডনি ব্যর্থতা এবং অজানা চিকিৎসা তার সঙ্গেtory অপ্টিমাইজ করার জন্য বায়োপসি সুই দিয়ে অতিরিক্ত পাস

একটি থেকে হিস্টোলজির জন্য গ্লোমেরুলির নমুনাফাইব্রোটিক কিডনিরক্তপাতের ঝুঁকি বাড়তে পারে (22)। সিটি স্ক্যানের CNN বিশ্লেষণে যদি গুরুতর মাত্রার ফাইব্রোসিসের পূর্বাভাস দেওয়া হয়, তাহলে রোগীর সাথে সিদ্ধান্ত নেওয়ার পরে, মেডিকেল টিম বায়োপসি স্যাম্পলিং সীমিত করার বা কিডনি বায়োপসি সম্পূর্ণভাবে এড়ানোর সিদ্ধান্ত নিতে পারে। লক্ষণীয়, ট্রান্সপ্লান্ট প্রার্থীতার মূল্যায়ন বা পদ্ধতিগত রোগের ইটিওলজি নির্ধারণের জন্য নেফ্রোলজিস্টের বিবেচনার ভিত্তিতে একটি আপাতদৃষ্টিতে শেষ পর্যায়ের কিডনিতে একটি ডায়াগনস্টিক নেটিভ কিডনি বায়োপসি নির্দেশিত হতে পারে।

আমরা লক্ষ করেছি যে 0.5 এর একটি ভবিষ্যদ্বাণী থ্রেশহোল্ড ক্লিনিকাল সিদ্ধান্ত গ্রহণের ক্ষেত্রে ভবিষ্যতের প্রযোজ্যতার ক্ষেত্রে সর্বোত্তম কার্য সম্পাদন করেছে, যার লক্ষ্য হল রোগীদের সনাক্ত করাউন্নত কিডনিফাইব্রোসিস, এবং এইভাবে আক্রমণাত্মক বায়োপসি এড়ানএবং এর সম্ভাব্য রক্তপাতের জটিলতাগুলি উপরে আলোচনা করা হয়েছে।ভক্সেল-ভিত্তিক CNN মডেলের সাথে, 0.5 এর থ্রেশহোল্ড হবে

94% এর PPV সহ উন্নত কিডনি ফাইব্রোসিসযুক্ত 85% ব্যক্তিকে সনাক্ত করুন (সারণী 2)। থ্রেশহোল্ডকে 0.9-এ উন্নীত করলে PPV-এর সামান্য উন্নতি হবে 95% কিন্তু সংবেদনশীলতা 85% থেকে 72%-এ ব্যাপকভাবে হ্রাস পাবে (অর্থাৎ, গুরুতর ফাইব্রোসিসে আক্রান্ত ব্যক্তিদের 28% মিস করবে)।

effect of cistanche improve kidney function (2)

বর্তমানে, প্রস্তাবিত অ্যালগরিদমের প্রাথমিক সীমাবদ্ধতা হল গভীর শিক্ষার পূর্বাভাস দেওয়ার আগে প্রতিটি কিডনির জন্য আগ্রহের একটি ম্যানুয়াল অঞ্চলকে সংজ্ঞায়িত করা।

যদিও এটি লক্ষ করা উচিত যে, যদিও এই গবেষণার অংশ হিসাবে ত্রিমাত্রিক কিডনি কনট্যুর তৈরি করা হয়েছিল, তবে প্রতিটি নতুন রোগীর (অর্থাৎ, প্রশিক্ষণ থেকে পৃথক) ভবিষ্যদ্বাণীর জন্য কেবলমাত্র কিডনি(গুলি) এর চারপাশে একটি মোটা আবদ্ধ ঘনক্ষেত্র সংজ্ঞায়িত করা প্রয়োজন। . গভীর শিক্ষা-ভিত্তিক পুরো কিডনি সেগমেন্টেশনের জন্য অ্যালগরিদম তৈরি করা হচ্ছে, যা একটি সম্পূর্ণ স্বয়ংক্রিয় এন্ড-টু-এন্ড প্রক্রিয়া (23,24) সহজতর করবে। আরেকটি সীমাবদ্ধতা হল যে একটি একক কিডনি জুড়ে ফাইব্রোসিসের মাত্রার ভিন্নতা অ্যালগরিদম গ্রাউন্ড ট্রুথ এবং ভ্যালিডেশনে ত্রুটির উৎস হতে পারে। এই সমীক্ষায়, আমরা অল্প পরিমাণে পরিষ্কার ডেটা ব্যবহার করার পরিবর্তে আরও সম্ভাব্য শব্দযুক্ত ডেটা (পুরো কিডনি ভাগ করা হয়েছিল) অন্তর্ভুক্ত করার ট্রেড-অফকে অগ্রাধিকার দেওয়ার সিদ্ধান্ত নিয়েছি; অভিজ্ঞতাগতভাবে, এই কৌশলটি বিগ ডেটা ডিপ লার্নিং টাস্কে সাধারণ, এবং 0.911-এর একটি অ্যালগরিদম ভবিষ্যদ্বাণী AUC-এর আমাদের পর্যবেক্ষণ থেকে বোঝা যায় যে এই কৌশল দ্বারা প্রবর্তিত শব্দের মাত্রা বিনয়ী। এই CNN ভবিষ্যদ্বাণী অ্যালগরিদমগুলির ভবিষ্যত পরিমার্জন CKD এর সাথে প্রাসঙ্গিক ক্লিনিকাল ল্যাবরেটরি মানগুলির অন্তর্ভুক্তির মাধ্যমে অন্বেষণ করা হবে, যেমন ক্রিয়েটিনিন, প্যারাথাইরয়েড হরমোন এবং হিমোগ্লোবিন। বৃহত্তর ডেটাসেট মুলতুবি থাকা, অ্যালগরিদম আউটপুট আরও বিস্তৃত পরিমাণগত বিনিং অন্তর্ভুক্ত করার জন্য আরও অপ্টিমাইজ করা যেতে পারে(ডিগ্রীফাইব্রোসিস,25%, 25%–50%, 50%–75%, এবং.75%). অবশেষে, বর্তমান অ্যালগরিদম দেওয়া হয় প্রশিক্ষিত এবং ভালএকটি একক প্রতিষ্ঠান থেকে তথ্যের উপর তারিখ, আরও কাজ হয়অধ্যয়নের বাইরে সাধারণীকরণের মূল্যায়ন করা প্রয়োজনরোগীর দল।

আমাদের জানামতে, এআইআরএস অধ্যয়নটি ইমেজিং স্ক্যান থেকে কিডনি ফাইব্রোসিসের ডিগ্রির পূর্বাভাস দেওয়ার জন্য সিএনএন মডেল ব্যবহার করে প্রথম। ফলাফল প্রতিশ্রুতিশীল এবং একটি প্রদানসম্ভাব্য পরীক্ষায় এই CNN সরঞ্জামগুলি পরীক্ষা করার জন্য ভিত্তি, থেকেক্লিনিকাল সিদ্ধান্ত গ্রহণে তাদের উপযোগিতা যাচাই করুন যখন এটি হয়রোগী কিনা তা স্পষ্ট নয়'s কিডনি রোগ তীব্র বনাম

দীর্ঘস্থায়ী

kidney function

প্রকাশ

জে. জুকারম্যান লাইকা বায়োসিস্টেমের সাথে পরামর্শ চুক্তির রিপোর্ট করেছেন; ApotheCom থেকে সম্মানী প্রাপ্তির প্রতিবেদন; এবং প্যাথলজি রূপরেখার বৈজ্ঞানিক উপদেষ্টা বা সদস্য হওয়ার প্রতিবেদনcom. পি চ্যাং এর সাথে কনসালটেন্সি চুক্তি থাকার রিপোর্ট, এবংক্যানন মেডিকেল থেকে গবেষণা তহবিল গ্রহণ; এবং রিপোর্ট আছেAvicenna.ai-তে মালিকানার আগ্রহ রয়েছে। WL Lau থাকার রিপোর্টArdelyx এবং Fresenius সঙ্গে পরামর্শ চুক্তি; রিপোর্টআমেরিকান হার্ট অ্যাসোসিয়েশন থেকে গবেষণা তহবিল গ্রহণ,হাব থেরাপিউটিকস, এবং ন্যাশনাল ইনস্টিটিউট অফ হেলথ; এবং

Roche অস্ট্রেলিয়ান নেফ্রোলজি প্রিসেপ্টরশিপ থেকে সম্মানী প্রাপ্তির প্রতিবেদন। সমস্ত অবশিষ্ট লেখক প্রকাশ করার কিছু নেই.

অর্থায়ন

এই প্রকল্পটি ক্যালিফোর্নিয়া বিশ্ববিদ্যালয় দ্বারা অর্থায়ন করা হয়েছিল, আরভিন ডিপার্টমেন্ট অফ মেডিসিন চেয়ার রিসার্চ অ্যাওয়ার্ড 2019-2021।

স্বীকারোক্তি লেখকরা অন্ধ পর্যালোচনার জন্য ড. অ্যান্টনি সিস্ককে (প্যাথলজি অ্যান্ড ল্যাবরেটরি মেডিসিন বিভাগ, ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের ডেভিড গেফেন স্কুল অফ মেডিসিন) ধন্যবাদ জানিয়েছেন।অসংগত বায়োপসি রোগীদের স্থল সত্য নির্ণয়.

লেখক অবদান

ডব্লিউএল লাউ অধ্যয়নের ধারণা তৈরি করেছিলেন; সি. চান্টাডুলি, কে. পেরেজ রেইস, এইচ. ট্রাউট এবং জে. জুকারম্যান ডেটা কিউরেশনের জন্য দায়ী ছিলেন; পি. চ্যাং, সি. চান্টাডুলি, এবং জে. জুকারম্যান দায়ী ছিলেনআনুষ্ঠানিক বিশ্লেষণের জন্য; ডব্লিউএল লাউ এর জন্য দায়ী ছিলেনতহবিল অধিগ্রহণ; সি. চান্টাডুলি এবং কে. পেরেজ রেইস ছিলেনতদন্তের জন্য দায়ী; পি. চ্যাং, সি. চান্টাডুলি, এবং জে.জাকারম্যান পদ্ধতির জন্য দায়ী ছিলেন; WL লাউ এবংএইচ. ট্রাউট প্রকল্প প্রশাসনের জন্য দায়ী ছিলেন; পি চ্যাংসম্পদ এবং সফ্টওয়্যার জন্য দায়ী ছিল; P. চ্যাং এবং WLলাউ তদারকি প্রদান করেছে; সি. চান্টাডুলি এবং এইচ. ট্রাউট লিখেছেনমূল খসড়া; পি. চ্যাং, সি. চান্টাডুলি, ডব্লিউএল লাউ, কে. পেরেজ রেয়েস,এবং এইচ. ট্রাউট পাণ্ডুলিপি পর্যালোচনা ও সম্পাদনা করেছেন।

তথ্যসূত্র

1. Luciano RL, Moeckel GW: নেটিভ কিডনি বায়োপসি সম্পর্কে আপডেট: কোর কারিকুলাম 2019। Am J কিডনি ডিস 73: 404–415, 2019 https://doi.org/10.1053/j.ajkd.2018.10.011

2. হোগান জেজে, মোকানু এম, বার্নস জেএস: নেটিভ কিডনি বায়োপসি: সেরা অনুশীলনের জন্য আপডেট এবং প্রমাণ। ক্লিন জে এম সোক নেফ্রোল 11: 354–362, 2016https://doi.org/10.2215/CJN.05750515

3. Berchtold L, Friedli I, Val ee JP, Moll S, Martin PY, de Seigneux S: রেনাল ফাইব্রোসিসের নির্ণয় এবং মূল্যায়ন: শিল্পের অবস্থা। Swiss Med Wkly 147: w14442, 2017

4. ফিওরেন্টিনো এম, বলিগনানো ডি, তেসার ভি, পিসানো এ, ভ্যান বিসেন ডব্লিউ, ডি'অ্যারিগো জি, ট্রিপেপি জি, গেসুয়ালডো এল; ERA-EDTA ইমিউনোনেফ্রোলজি ওয়ার্কিং গ্রুপ: 2015 সালে রেনাল বায়োপসি: এপিডেমিওলজি থেকে প্রমাণ-ভিত্তিক ইঙ্গিত পর্যন্ত। Am J Nephrol 43: 1–19, 2016 https://doi.org/10.1159/000444026

5. Brachemi S, Boll ee G: রেনাল বায়োপসি অনুশীলন: সোনার মান কি? ওয়ার্ল্ড জে নেফ্রোল 3: 287–294, 2014 https://doi.org/10। 5527/wjn.v3.i4.287

6. Poggio ED, McClelland RL, Blank KN, Hansen S, Bansal S, Bomback AS, Canetta PA, Khairallah P, Kiryluk K, Lecker SH, McMahon GM, Palevsky PM, Parikh S, Rosas SE, Tuttle K, Vaz quez MA , বিজয়ন এ, রোভিন বিএইচ; কিডনি প্রিসিশন মেডিসিন প্রকল্প: স্থানীয় কিডনি বায়োপসি জটিলতার পদ্ধতিগত পর্যালোচনা এবং মেটা-বিশ্লেষণ। Clin J Am Soc Nephrol 15: 1595–1602, 2020 https://doi.org/10.2215/CJN.04710420

7. আবদেলতাওয়াব এইচ, শেহাতা এম, শালাবি এ, খলিফা এফ, মাহমুদ এ, এল-ঘর এমএ, ডোয়ায়ার এসি, গজল এম, হাজ্জদিয়াব এইচ, কিন্টন আর, এল-বাজ এ: প্রাথমিক মূল্যায়নের জন্য একটি উপন্যাস সিএনএন-ভিত্তিক সিএডি সিস্টেম প্রতিস্থাপিত কিডনি কর্মহীনতা। বিজ্ঞান প্রতিনিধি 9: 5948, 2019 https:// doi.org/10.1038/s41598-019-42431-3

8. ওয়াং জেড, ইয়াং এইচ, সুও সি, ওয়েই জে, ট্যান আর, গু এম: কিডনি প্রতিস্থাপনে দীর্ঘস্থায়ী অ্যালোগ্রাফ্ট কর্মহীনতার জন্য আল্ট্রাসাউন্ড ইলাস্টোগ্রাফির প্রয়োগ। জে আল্ট্রাসাউন্ড মেড 36: 1759–1769, 2017 https://doi.org/10.1002/jum.14221

9. Preuss S, Rother C, Renders L, Wagenpfeil S, B€ utter-Herold M, Slotta-Huspenina J, Holtzmann C, Kuechle C, Heemann U, Stock KF: রেনাল অ্যালোগ্রাফ্টের সোনোগ্রাফি: ডপলার সোনোগ্রাফিক রেজিস্ট্যান্স সূচকের মধ্যে সম্পর্ক (আরআই) এবং হিস্টোপা থোলজি। Clin Hemorheol Microcirc 70: 413–422, 2018 https:// doi.org/10.3233/CH-189306

10. Kuo CC, Chang CM, Liu KT, Lin WK, Chiang HY, Chung CW, Ho MR, Sun PR, Yang RL, Chen KT: ডিপ লার্নিং ব্যবহার করে আল্ট্রাসাউন্ড-ভিত্তিক কিডনি ইমেজিংয়ের মাধ্যমে কিডনি ফাংশনের পূর্বাভাস এবং শ্রেণীবিভাগের অটোমেশন। ডিজিট মেড 2: 1–9, 2019