使用复发图分析和卷积神经网络增强的血管年龄评估:一个in-Silico研究

科学领域:

• 心血管研究研究心血管研究
• 生物医学工程 生物医学工程
• 人工智能在医学中的应用

背景情况:

• 衰老是心血管疾病的主要不可逆转的危险因素.
• 血管年龄 (VA) 是评估心血管风险和整体健康的新兴指标.
• 当前的风险评估方法可能会从创新的,非侵入性的方法中受益.

研究的目的:

• 探索使用卷积神经网络 (CNN) 来估计血管年龄 (VA) 组.
• 为了利用重复图表来增强功能和可视化动脉脉冲波形 (APW).
• 评估人工智能驱动的APW分析对心血管风险分层的潜力.

主要方法:

• 采用了一个卷积神经网络 (CNN) 模型.
• 用于从动脉脉冲波形 (APW) 提取和可视化特征的利用复发图谱.
• 数据来源于一个一维心血管模型的in-silico数据库.

主要成果:

• 在估计VA组时,CNN取得了高准确度 (83%的培训,81.3%的测试).
• 该模型表现出强的性能,F1得分为83.3% (训练) 和81.7% (测试).
• 曲线下的面积 (AUC) 值为0.96 (训练) 和0.95 (测试) 表示强大的预测能力.

结论:

• 结合复发图的CNN显示出从APW进行非侵入性VA估计的前景.
• 这种方法为临床环境中的心血管风险评估提供了一个潜在的新工具.
• 现实世界医疗保健应用程序需要进一步验证,以提高患者护理和结果.