上升大动脉形态的决定因素:基于25 073个非对比增强的NAKOMRI研究的基于深度学习的横截面分析

科学领域:

• 心血管成像和辐射学
• 医学信息学和人工智能
• 流行病学和公共卫生.

背景情况:

• 上升的大动脉形态对于心血管诊断和治疗至关重要.
• 了解它的决定因素有助于精确的医疗干预.
• 流行病学数据提供了对人口水平健康因素的见解.

研究的目的:

• 使用3D非对比增强磁共振血管学 (NC-MRA) 自动表征上升的大动脉形态.
• 在德国国家队列 (NAKO) 中确定中升大动脉直径 (中AAoD) 的决定因素.
• 应用深度学习和因果分析来进行可靠的决定因素识别.

主要方法:

• 深度学习 (DL) 被用于从25073个NC-MRA中对胸前动脉进行细分.
• 提取了上升的大动脉的长度,体积和直径 (中期AAoD).
• 统计和因果分析 (彼得 - 克拉克算法) 调查了与人口因素,高血压,糖尿病,酒精和烟草使用的关联.

主要成果:

• 男性的中期AAoD比女性大得多.
• 年龄和身体表面积 (BSA) 与AAoD中期正相关.
• 高血压和日常饮酒与中期AAoD增加有关;因果分析表明年龄,BSA,高血压和酒精是潜在的因果因素,而糖尿病和吸烟似乎与虚假相关.

结论:

• 深度学习和因果分析有效地描述上升性大动脉形态,并确定其决定因素.
• 年龄,BSA,高血压和酒精消费被确定为影响AAoD中期的潜在因果因素.
• 这些发现支持针对心血管健康制定有针对性的诊断和预防策略.