壹生资讯-口腔非侵入性高光谱成像驱动的融合模型预测冠心病

您已通过HCP身份认证和信息审核

(

口腔非侵入性高光谱成像驱动的融合模型预测冠心病 | 武大人民AHA

2024-12-31作者：论坛报木易资讯

原创

2024年11月16—18日，第100届美国心脏协会科学年会（AHA 2024）在美国芝加哥召开。本次大会会集了全球心血管病学领域专家学者，共同探讨心血管系统疾病的研究成果及临床标准。在此次盛会中，武汉大学人民医院心内科江洪教授、余锂镭教授团队表现出色，他们的多项研究成果被选中进行口头报告及壁报展示，研究涵盖了心血管系统疾病的多个重要方面。团队成员代表武汉大学人民心内团队在AHA大会汇报交流12项，获得了多方认可。

中国医学论坛报社还特别邀请了江洪教授、余锂镭教授团队，对12项研究成果进行详细介绍，以便让更多的心血管同道了解并受益于这些前沿的科研进展。

江洪教授、余锂镭教授团队成员在AHA 2024大会现场合影（从左至右依次为王长毅、王悦怡、周丽平和刘承哲）

PART.03

壁报交流

11月16日

口腔非侵入性高光谱成像驱动的融合模型预测冠心病

摘要号：Sa4104

作者：李泽衍，杨晓萌，史晓宇，江洪，余锂镭

背景

及时识别冠状动脉粥样硬化性心脏病（CAD）高风险个体，对于优化CAD干预治疗的效果至关重要。然而，目前缺乏一种非侵入性工具来有效辅助CAD的诊断。本研究旨在探讨高光谱成像（HSI）在CAD诊断中的有效性。

方法

在2023至2024年期间，我们前瞻性地招募了伴有胸痛且有CAD风险的患者，并进行冠状动脉造影。通过HSI技术获取舌背部位的高光谱图像特征。最终分析包含了4750张来自所有患者的高光谱图像。所有图像被分为训练集（n=2555）、内部测试集（n=1095）和外部测试集（n=1095）。共构建了31个模型，采用30种单一机器学习技术来构建预测模型。此外，还建立了一个融合模型。模型的有效性通过以下指标进行评估：曲线下面积（AUC）、决策分析曲线、校准曲线、准确率、敏感性、特异性、阳性预测值、阴性预测值和F1分数。

结果

从30个模型中选择了表现最佳的前5个模型，包括高斯过程（GP）、随机森林（RF）、支持向量机（SVM）、梯度提升（GB）和TheilSen。前五个模型的AUC分别为0.879、0.827、0.844、0.854和0.783。基于决策层策略，选择了GP、GB和SVM模型来开发融合模型（GP-GB-SVM模型）。该融合模型（GP-GB-SVM）表现出最高的性能，在内部测试集中的AUC为0.92，在外部测试集中的AUC为0.86。

结论

本研究表明，CAD患者的表面存在HSI特征。基于这些改变，可以有效地诊断和识别CAD患者。

END

200 评论

知情同意书

口腔非侵入性高光谱成像驱动的融合模型预测冠心病 | 武大人民AHA

热门资讯

关于我们

中国医学论坛报微信矩阵

助力乡村振兴帮扶行动

友情链接