Modelo de advertencia de remodelación del miocardio después de un infarto agudo de miocardio utilizando tecnología de estructura de características multimodal

El infarto agudo de miocardio (IAM) es una de las enfermedades más importantes que amenazan la vida humana. Las escalas de predicción de pronóstico de infarto de miocardio existentes predicen principalmente la incidencia de muerte, infarto de miocardio recurrente e insuficiencia cardíaca a través de 6 a 8 indicadores de textos clínicos, y los datos se recopilan de manera relativamente simple. La remodelación del miocardio, como cambio patológico adverso que puede comenzar y continuar progresando en la etapa temprana después del infarto de miocardio, es el principal mecanismo patológico de insuficiencia cardíaca y muerte. Sin embargo, no existe un modelo cuantitativo de alerta temprana sobre la remodelación miocárdica y falta orientación clínica para la intervención temprana.

Nuestro estudio anterior encontró que la resonancia magnética cardíaca puede cuantificar con precisión el área necrótica y el miocardio recuperable en el miocardio edematoso después de un infarto de miocardio. En este estudio, se utilizan algoritmos de aprendizaje automático, redes de convolución variable (DCN) y redes de cápsulas (capsnet) para construir una nueva arquitectura de red neuronal. Se realiza la extracción de características estructurales de datos de imágenes clínicas multimodales, como resonancia magnética y ecografía. En combinación con la base de datos establecida de 3000 pacientes con infarto de miocardio, se construirá la matriz de características multimodal y se utilizará una variedad de clasificadores como la máquina de vectores de soporte (SVM) y el bosque aleatorio (RF) para la predicción cuantitativa de la remodelación del miocardio, y Se evaluaron los efectos de diferentes clasificadores. Se espera que este proyecto establezca un modelo cuantitativo de alerta temprana de remodelación del miocardio después de un infarto agudo de miocardio de acuerdo con las características del pueblo chino. El mismo tipo de datos fuera de la base de datos se utilizará para la verificación y establecer un modelo de alerta temprana eficiente y estable.