멀티모달 특징 구조 기술을 이용한 급성 심근경색 후 심근 리모델링의 경고 모델

급성심근경색(AMI)은 인간의 생명을 위협하는 가장 중요한 질병 중 하나이다. 기존의 심근경색 예후 예측 척도는 대부분 6~8개의 임상 텍스트 지표를 통해 사망, 재발성 심근경색, 심부전 발생률을 예측하고 있으며, 비교적 간단하게 데이터를 수집하고 있다. 심근재형성은 심근경색 후 초기 단계에 시작되어 계속 진행될 수 있는 불리한 병리학적 변화로서 심부전 및 사망의 주요 병리학적 기전이다. 그러나 심근 리모델링에 대한 정량적 조기 경고 모델이 없으며 조기 개입에 대한 임상적 지침도 부족합니다.

우리의 이전 연구는 심장 자기공명영상이 심근경색 후 부종성 심근의 괴사 면적과 회복 가능한 심근을 정확하게 정량화할 수 있다는 것을 발견했습니다. 본 연구에서는 새로운 신경망 아키텍처를 구축하기 위해 기계 학습 알고리즘, 가변 컨볼루션 네트워크(DCN) 및 캡슐 네트워크(capsnet)를 사용했습니다. MRI, 초음파 등 멀티모달 임상영상 데이터의 구조적 특징 추출이 구현됩니다. 구축된 심근경색 환자 3000명의 데이터베이스와 결합해 멀티모달 특징 매트릭스를 구축하고, SVM(Support Vector Machine), RF(Random Forest) 등 다양한 분류기를 활용해 심근 리모델링을 정량적으로 예측할 예정이다. 다양한 분류기의 효과를 평가했습니다. 이번 프로젝트를 통해 중국인의 특성에 맞춰 급성심근경색 후 심근재형성의 정량적 조기경보 모델을 구축할 수 있을 것으로 기대된다. 데이터베이스 외부의 동일한 유형의 데이터를 검증에 사용하여 효율적이고 안정적인 조기 경보 모델을 구축합니다.