Модель предупреждения ремоделирования миокарда после острого инфаркта миокарда с использованием технологии мультимодальной структуры признаков

Острый инфаркт миокарда (ОИМ) является одним из важнейших заболеваний, угрожающих жизни человека. Существующие шкалы прогнозирования ИМ в основном предсказывают частоту смертности, повторного ИМ и сердечной недостаточности с помощью 6-8 клинических текстовых показателей, и данные собираются относительно просто. Ремоделирование миокарда как неблагоприятное патологическое изменение, которое может начаться и продолжать прогрессировать на ранней стадии после инфаркта миокарда, является основным патологическим механизмом сердечной недостаточности и смерти. Однако не существует количественной модели раннего предупреждения ремоделирования миокарда, а также отсутствуют клинические рекомендации по раннему вмешательству.

Наше предыдущее исследование показало, что магнитно-резонансная томография сердца может точно определить количество некротической области и восстанавливаемого миокарда в отечном миокарде после инфаркта миокарда. В этом исследовании алгоритм машинного обучения, сеть переменной свертки (DCN) и капсульная сеть (capsnet) используются для построения новой архитектуры нейронной сети. Реализовано извлечение структурных особенностей мультимодальных данных клинических изображений, таких как МРТ и УЗИ. В сочетании с установленной базой данных о 3000 пациентах с инфарктом миокарда будет построена мультимодальная матрица признаков, а для количественного прогнозирования ремоделирования миокарда будут использоваться различные классификаторы, такие как машина опорных векторов (SVM) и случайный лес (RF), и оценивалось влияние различных классификаторов. Ожидается, что этот проект создаст количественную модель раннего предупреждения ремоделирования миокарда после острого инфаркта миокарда, соответствующую характеристикам китайцев. Тот же тип данных за пределами базы данных будет использоваться для проверки с целью создания эффективной и стабильной модели раннего предупреждения.