左心房附属体特征的深度学习放射学用于预测心房的复发和复发
Yanping Yin1,2, Sixiang Jia3, Jing Zheng4
1Department of Cardiology, Taizhou Hospital of Zhejiang Province affiliated to Wenzhou Medical University, Dongdu Road, Linhai, Zhejiang Province, 317000, China.
BMC medical imaging
|May 26, 2025
概括
左心房附属体 (LAA) 结构影响心房动 (AF) 除成功. 深度学习放射学与临床数据相结合,可以准确地预测射频导管切除 (RFCA) 后的AF复发.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 左心房附属体 (LAA) 的结构改造是心房动 (AF) 的标志.
- LAA 形态显著影响射频导管切除 (RFCA) 的 AF 的结果.
研究的目的:
- 开发和验证一个预测模型,以预测AF切除结果.
- 整合LAA形态特征,深度学习 (DL) 放射学和预测AF复发的临床变量.
主要方法:
- 对480名接受RFCA治疗的AF患者进行了多中心回顾性研究.
- 收集了手术前CT血管图像 (CTA) 和实验室数据.
- 使用基于nnUNet的模型进行LAA细分,然后进行放射性特征提取和Cox回归分析.
- 开发一个预测模型,将LAA DL放射学与临床变量集成在一起,使用70%的培训和30%的验证分割.
主要成果:
- 随访时间中位数为22个月,FA复发率为21.5%.
- LAA量与AF复发的危险风险增加显著相关 (aHR为1.058,p=0.002).
- 组合模型在测试组中实现了0.92的AUC,证明了强大的预测性能.
结论:
- LAA形态和体积是AF RFCA结果的关键决定因素.
- 结合LAA DL放射学和临床数据的新型预测模型有效估计AF复发概率.


