Forskning på utvikling og anvendelse av en preoperativ vurderingsmodell for transkateter mitralklaff edge-to-edge-reparasjon basert på visuelle grunnmodeller

Mitralinsuffisiens (MR) er den vanligste hjerteklaffesykdommen i Kina. Transkateter kant-til-kant-reparasjon (TEER) er for tiden den foretrukne behandlingen for pasienter med alvorlig MR som står overfor høye kirurgiske risikoer. Imidlertid lider eksisterende preoperativ vurderingsmetoder for TEER under mange begrensninger, inkludert komplekse måleparametere, høye tekniske krav og betydelig subjektivitet. Vision Mamba, en banebrytende teknologi i det visuelle domenet, overvinner begrensningene til vanlige beregningsenheter i konvolusjonelle nevrale nettverk og Transformers gjennom todireksjonale tilstandsrommodeller og posisjonskoding, og demonstrerer enestående ytelse i visuelle oppgaver. Til dags dato har ingen studier brukt Vision Mamba på ultralydvideoer for å konstruere preoperativ vurderingsmodeller for TEER. Vårt team etablerte tidligere en Transformer-basert evalueringsmodell ved hjelp av en liten, enkelt-senter-kohort. Denne studien introduserer innovativt en Vision Mamba-basert visuell grunnmodell. Ved å integrere flersidige, flermodale ultralydvideoer fra flere sentre, utvikler vi en one-stop preoperativ TEER-vurderingsmodell for MR-pasienter [skiveidentifikasjon → videoanalyse → flermodal informasjonsfusjon → preoperativ vurderingsanbefaling (egnet/utfordrende/uegnet)]. Denne modellen vil optimalisere kirurgisk pasientidentifikasjon og nøyaktig skanne pasienter med kontraindikasjoner. Videre er one-stop-modellen rask og objektiv, og forbedrer klinisk effektivitet betydelig. Den har potensial for utrulling på primærhelsetjenestenivå for å optimalisere helseressursallokering.