冠状动脉疾病的严重程度和位置检测使用基于深挖的磁心图谱模式特征
Xiaole Han1, Jiaojiao Pang2, Dong Xu3
1National Institute of Extremely-Weak Magnetic Field Infrastructure, Hangzhou, People's Republic of China; Key Laboratory of Ultra-Weak Magnetic Field Measurement Technology, Ministry of Education, School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, People's Republic of China; Zhejiang Provincial Key Laboratory of Ultra-Weak Magnetic-Field Space and Applied Technology, Hangzhou Innovation Institute, Beihang University, Hangzhou 310051, People's Republic of China.
这项研究开发了一种使用深度挖掘磁心图 (MCG) 功能的自动化方法,以准确评估冠状动脉疾病 (CAD) 的严重程度和位置. 这种方法对改善CAD的临床诊断充满希望.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 医疗成像医学成像
背景情况:
- 冠状动脉疾病 (CAD) 的诊断依赖于对严重程度和位置的准确评估.
- 磁心电图 (MCG) 提供了一种非侵入性的心脏评估方法,但需要先进的特征提取.
- 深度挖掘技术可能会提高MCG的诊断能力.
研究的目的:
- 开发一种自动化和准确的方法来评估CAD的严重程度和位置.
- 为了利用基于深度挖掘的磁心图 (MCG) 模式特征进行CAD评估.
- 创建机器学习 (ML) 模型来分类CAD严重程度并定位狭窄区域.
主要方法:
- 深度挖掘MCG模式信息,从多个角度提取特征,包括卷曲,梯度和分歧场.
- 应用单数值分解,主字段和图像类特征的应用.
- 为特征分析引入细粒度和复合统计参数.
- 开发ML模型来分类CAD严重程度 (没有,轻度,中度,严重) 并定位狭窄位置 (LAD,LCX,RCA).
主要成果:
- 该模型在CAD严重程度评估中获得了85.1%的准确性,具体指标包括77.8%的精度,75.9%的灵敏度,95.6%的特异性和0.853.6%的AUC.
- 定位模型的准确性很高:LAD为97.6%,LCX为81.2%,RCA为85.9%.
- 深度挖掘的MCG特征有效地反映了CAD的严重程度和位置.
结论:
- 基于深度采矿的MCG功能为CAD严重程度和位置提供了有效的指标.
- 拟议的基于ML的方法为临床医生提供了一个自动化和准确的诊断工具.
- 这项技术可以增强MCG用于CAD诊断的解释和临床应用.
更多相关视频
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
相关概念视频
Imaging Studies for Cardiovascular System IV: CMRI
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Mitral Stenosis II: Clinical features and Diagnostic Tests
Acute Coronary Syndrome III: Diagnostic Studies
Cardiomyopathy III: Hypertrophic Cardiomyopathy
