用GAN-Augmented Naïve Bayes识别高风险冠状动脉疾病患者,使用CT血管学数据
Lei Zhang1,2, Anandakumar Haldorai3, Nithesh Naik4
1School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, 310023, Zhejiang, China.
一个新的生成对抗网络增强的天真贝耶斯 (GAN-ANB) 模型使用CCTA扫描准确识别高风险冠状动脉疾病 (CAD) 患者. 这种人工智能方法增强了早期检测,并改善了患者的治疗结果.
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:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因.
- 早期发现高风险的CAD患者对于及时干预至关重要.
- 当前的诊断方法可能无法有效地识别所有处于风险的个体.
研究的目的:
- 开发和评估一种新的AI模型,用于对高风险的CAD患者进行分类.
- 为了提高诊断准确性,利用生成对抗网络 (GAN) 和天真贝叶斯.
- 使用冠状动脉计算机断层扫描血管学 (CCTA) 数据进行风险分层.
主要方法:
- 开发了一个生成对抗网络增强的天真贝叶斯 (GAN-ANB) 模型.
- 使用GAN生成合成患者资料以增加培训数据集.
- 该模型在来自5000个人的CCTA成像数据上进行了训练和验证.
主要成果:
- 在GAN-ANB模型中,ROC曲线下的面积 (ROC) 为0.99.
- 绩效指标包括0.91的子相似系数,0.90的欧盟平均交叉点,0.96的召回,和0.98.98的精度.
- 确定的主要预测因素是高胆固醇,糖尿病,斑块负荷和光线狭窄.
结论:
- GAN-ANB模型显著提高了对高风险CAD患者的识别.
- 这种人工智能驱动的方法为早期诊断和干预提供了强大的工具.
- 改善CAD患者的治疗结果和降低医疗保健成本是潜在的好处.
更多相关视频
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies for Cardiovascular System V: CT
Coronary Artery Disease V: Surgical Management
Acute Coronary Syndrome III: Diagnostic studies
Coronary Artery Disease I: Introduction
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
