マルチモーダル特徴構造技術を用いた急性心筋梗塞後の心筋リモデリングの警告モデル

急性心筋梗塞（AMI）は、人の生命を脅かす最も重要な病気の 1 つです。 既存の心筋梗塞の予後予測スケールは、主に 6 ～ 8 の臨床テキスト指標を通じて死亡、再発性心筋梗塞、心不全の発生率を予測しており、データは比較的簡単に収集されます。 心筋リモデリングは、心筋梗塞後の初期段階で始まり、進行し続ける有害な病理学的変化として、心不全と死の主な病理学的メカニズムです。 しかし、心筋リモデリングの定量的な早期警告モデルはなく、早期介入の臨床指針が不足しています。

私たちの以前の研究では、心臓磁気共鳴画像法が心筋梗塞後の浮腫性心筋の壊死領域と回復可能な心筋を正確に定量できることがわかりました。 この研究では、機械学習アルゴリズム、可変畳み込みネットワーク (DCN)、およびカプセル ネットワーク (capsnet) を使用して、新しいニューラル ネットワーク アーキテクチャを構築します。 MRIや超音波などのマルチモーダル臨床画像データの構造特徴抽出を実現します。 確立された心筋梗塞患者3000人のデータベースと組み合わせて多峰性特徴マトリックスを構築し、サポートベクターマシン（SVM）やランダムフォレスト（RF）などの各種分類器を用いて心筋リモデリングを定量的に予測する。さまざまな分類子の効果が評価されました。 本プロジェクトにより、中国人の特性に合わせた急性心筋梗塞後の心筋リモデリングの定量的早期警告モデルが確立されることが期待されます。 効率的で安定した早期警告モデルを確立するための検証には、データベース外部の同じ種類のデータが使用されます。