M2AI-CVD:采用多模式人工智能方法的心血管风险预测系统,使用心底图像进行预测

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 心血管疾病 (CVD) 是全球领先的健康问题,往往是晚诊断.
• 非侵入性心血管疾病检测方法,如视网膜成像,在卡塔尔等地区的研究不足.
• 早期检测对于及时干预和改善患者结果至关重要.

研究的目的:

• 开发和验证一种用于心血管疾病 (M2AI-CVD) 的多模式人工智能系统.
• 提高非侵入性心血管疾病识别的准确性和效率.
• 解决在特定地理区域对先进的CVD检测技术的有限研究.

主要方法:

• 图像质量评估和处理低质量的输入.
• 基于的模糊C平均值 (EnFCM) 用于精确的图像细分.
• 多模式博尔兹曼机器 (MMBM) 用于特征提取和遗传算法 (GA) 用于特征选择.
• ZFNet卷积神经网络 (ZFNetCNN) 用于对心血管疾病和非心血管疾病病例进行分类.

主要成果:

• 在五个数据集中,M2AI-CVD系统表现出高性能.
• 获得了95.89%的精度,96.89%的灵敏度,98.7%的特异性.
• 多模式AI方法在区分心血管疾病和非心血管疾病病例方面被证明是有效的.

结论:

• M2AI-CVD系统为早期心血管疾病检测提供了一个有希望的,准确的解决方案.
• 这种多模式的人工智能方法可以通过及时干预,显著改善患者的治疗结果.
• 强调AI在推进心血管健康的非侵入性诊断工具方面的潜力.