一个用于冠状动脉微血管疾病生物标志物发现的多式数据集
Dantong Li1,2,3, Xiaoting Peng1,2,3, Lianting Hu1,2,3
1Medical Big Data Center, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, 510080, China.
Scientific data
|June 12, 2025
概括
冠状动脉微血管疾病 (CMD) 查至关重要,尤其对女性来说. 这项研究引入了一个新的数据集,并使用心电图 (ECG) 数据与机器学习有效地识别CMD.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 冠状动脉微血管疾病 (CMD) 不成比例地影响女性,导致显著的发病率和死亡率.
- 有限的查级数据阻碍了对CMD的生物标志物的发现.
- 有效的临床查对于管理CMD至关重要.
研究的目的:
- 为CMD研究创建一个新的数据集.
- 使用心电图数据开发用于CMD分类的机器学习模型.
- 为了验证心电图在CMD区分方面的有用性.
主要方法:
- 预计将招募80名女性胸痛患者和40名对照人群.
- 在休息,压力和恢复阶段进行腺素应激心电图 (ECG) 监测.
- 机器学习模型是使用心电图变量开发的,用于CMD分类.
主要成果:
- 为了解决CMD研究中的数据局限性,编制了一个新的数据集.
- 机器学习模型在使用多阶段心电图识别CMD方面表现出有效性.
- 电脑心电图显示了CMD差异诊断的潜力,通过精神压力数据进行验证.
结论:
- 多阶段心电图分析对CMD查有价值.
- 预计新编辑的数据集将推进CMD研究.
- 基于ECG的机器学习模型为CMD识别提供了一个有希望的方法.
