Forskning om utveckling och tillämpning av en preoperativ bedömningsmodell för transkateter mitralklaff kant-till-kant-reparation baserad på visuella grundmodeller

Mitralisinsufficiens (MR) är den vanligaste hjärtklaffsjukdomen i Kina.
Transkateter edge-to-edge-reparation (TEER) är för närvarande den föredragna behandlingen för patienter med svår MR som har höga kirurgiska risker.
De nuvarande preoperativa bedömningsmetoderna för TEER har dock många begränsningar, inklusive komplexa mätparametrar, höga tekniska krav och betydande subjektivitet.
Vision Mamba, en banbrytande teknologi inom det visuella området, övervinner begränsningarna hos vanliga beräkningsenheter i konvolutionella neurala nätverk och Transformers genom tvåvägiga tillståndsrymdsmodeller och positionskodning, och uppvisar exceptionell prestanda i visuella uppgifter.
Hittills har inga studier tillämpat Vision Mamba på ultraljudsvideor för att konstruera preoperativa bedömningsmodeller för TEER.
Vårt team etablerade tidigare en Transformer-baserad utvärderingsmodell med hjälp av en liten, enkelcentrisk kohort.
Denna studie introducerar innovativt en Vision Mamba-baserad visuell grundmodell.
Genom att integrera mångfacetterade, multimodala ultraljudsvideor från flera centrum utvecklar vi en heltäckande preoperativ TEER-bedömningsmodell för MR-patienter [skiveidentifiering → videoanalys → multimodal informationsfusion → preoperativ bedömningsrekommendation (lämplig/utmanande/olämplig)].
Denna modell kommer att optimera identifiering av kirurgipatienter och noggrant screena patienter med kontraindikationer.
Dessutom är den heltäckande modellen snabb och objektiv, vilket avsevärt förbättrar den kliniska effektiviteten.
Den är lovande för distribution på primärvårdsnivå för att optimera hälso- och sjukvårdsresursallokering.