一个适应性SCG-ECG多式联通框架用于心脏CTA

科学领域:

• 生物医学工程 生物医学工程
• 心血管成像 - 心血管成像
• 人工智能在医学中的应用

背景情况:

• 心血管疾病 (CVD) 是全球主要的死亡原因.
• 目前的诊断方法,如导管冠心血管造影 (CCA),是侵入性的和昂贵的.
• 心脏计算机断层扫描血管造影 (CTA) 提供了一种不那么侵入性的替代方案,但由于心脏运动捕捉不佳而受到运动工件的限制.

研究的目的:

• 开发和验证一种新的多式联运方法,以提高CTA图像质量.
• 改善心脏静止期的预测,以获得更准确的CTA.
• 为了减少运动器件和增强冠状动脉疾病 (CAD) 的诊断能力.

主要方法:

• 使用加权融合 (WF) 方法,整合地震心电图 (SCG) 和心电图 (ECG) 数据.
• 开发了人工神经网络 (ANN),包括基于回归的框架 (r-ANN WF) 和基于分类的框架 (c-ANN WF).
• 建议的方法与传统的心电图门和超声波 (美国) 数据进行了比较,以获得准确性和计算效率.

主要成果:

• 与基于心电图的方法相比,r-ANN WF方法在心脏静止预测准确度上有52.6%的改善,该方法与美国数据进行了验证.
• r-ANN WF 方法的平均预测时间为 4.83 ms,表明它适合实时应用.
• 使用r-ANN WF和c-ANN WF重建的CTA图像实现了与美国门的诊断质量相当的诊断质量.

结论:

• 建议使用SCG和ECG的多模式方法显著提高了对CTA的心脏静止期的预测.
• r-ANN WF框架提供了一种计算效率高,准确的方法来提高CTA诊断质量.
• 这种创新技术具有显著的临床潜力,可以更准确,更有效地诊断和管理心血管疾病.