查看更多
密码过期或已经不安全,请修改密码
修改密码壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
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。
高光谱成像可有效诊断冠状动脉非阻塞性缺血(INOCA)患者
摘要号:MDP132
作者:徐天佑,江洪,余锂镭
INOCA是慢性冠脉综合征的一种,越来越多地被认为是导致心血管不良预后的重要因素。INOCA患者具有慢性心肌缺血的症状,但不合并冠状动脉阻塞性病变。单纯的冠脉造影难以诊断这部分患者,因此他们往往被漏诊,缺乏及时治疗。既往研究发现,INOCA患者通常伴随外周微血管功能障碍。高光谱技术是在多光谱遥感技术的基础上发展而来,可以提供各组织结构的空间分布信息,对不同病理组织的化学组成和物理特征进行分析,目前已被用于皮肤氧合检测等多种医疗状况。
本研究作为一项观察性横断面研究,纳入2023年12月至2024年5月在武汉大学人民医院行冠脉造影的500例胸痛患者。在冠脉造影之前,采集患者面部、手掌和耳朵的高光谱图像。根据患者检查结果,依据指南诊断标准将患者分为对照组、INOCA组和冠脉阻塞组。通过波段、纹理分析和图像深度学习建立INOCA患者的诊断预测模型。
研究团队通过深度学习构建了三个模型。① 数据模型(模型1)是通过深度学习高光谱图像的波段和纹理数据后建立的,它对识别INOCA患者表现出较好地敏感性和特异性。② 图像模型(模型2)是对高光谱图像特征深度学习后建立的,它对INOCA患者的诊断也有较好的敏感性和特异性。图像模型的特异性比数据模型高,但敏感性稍差。③ 将数据模型和图像模型相融合,构建了复合模型(模型3)。相较数据模型和图像模型,复合模型在对INOCA患者的识别上表现出更高的感性和特异性。
研究团队指出,基于对外周微血管高光谱图像深度学习构建的模型可以以高灵敏度和特异性诊断INOCA患者。
查看更多