Modelo de alerta de remodelação miocárdica após infarto agudo do miocárdio usando tecnologia de estrutura de recurso multimodal

O infarto agudo do miocárdio (IAM) é uma das doenças mais importantes que ameaçam a vida humana. As escalas existentes de previsão de prognóstico de IM predizem principalmente a incidência de morte, IM recorrente e insuficiência cardíaca por meio de 6 a 8 indicadores de texto clínico, e os dados são coletados de forma relativamente simples. A remodelação miocárdica, como alteração patológica adversa que pode começar e continuar a progredir na fase inicial após o infarto do miocárdio, é o principal mecanismo patológico de insuficiência cardíaca e morte. No entanto, não existe um modelo quantitativo de alerta precoce de remodelação miocárdica e falta orientação clínica de intervenção precoce.

Nosso estudo anterior descobriu que a ressonância magnética cardíaca pode quantificar com precisão a área necrótica e o miocárdio recuperável no miocárdio edematoso após infarto do miocárdio. Neste estudo, algoritmo de aprendizado de máquina, rede de convolução variável (DCN) e rede de cápsula (capsnet) são usados ​​para construir uma nova arquitetura de rede neural. A extração de características estruturais de dados de imagens clínicas multimodais, como ressonância magnética e ultrassom, é realizada. Combinada com o banco de dados estabelecido de 3.000 pacientes com infarto do miocárdio, a matriz de características multimodais será construída, e uma variedade de classificadores, como máquina de vetores de suporte (SVM) e floresta aleatória (RF), serão usados ​​para previsão quantitativa de remodelamento miocárdico, e os efeitos de diferentes classificadores foram avaliados. Espera-se que este projeto estabeleça um modelo quantitativo de alerta precoce de remodelação miocárdica após infarto agudo do miocárdio de acordo com as características do povo chinês. O mesmo tipo de dados fora da base de dados será utilizado para verificação, a fim de estabelecer um modelo de alerta precoce eficiente e estável.