壹生资讯-基于人工智能的高光谱成像技术建立HFpEF诊断模型

您已通过HCP身份认证和信息审核

(

基于人工智能的高光谱成像技术建立HFpEF诊断模型 | 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.02

壁报发言

11月16日

基于人工智能的高光谱成像技术建立HFpEF诊断模型

摘要号：MDP698

作者：杨晓萌，江洪，余锂镭

背景

射血分数保留型心力衰竭（HFpEF）是心衰患者的重要类型，为心血管疾病患者的管理带来巨大挑战。但HFpEF由多种复杂原因导致，病理生理机制不明确，诊断流程复杂，限制了其在临床中的早期诊断。

方法

收集3500张HFpEF患者和对照患者的高光谱图像，并将所有图像随机分为训练组（n=2625）和测试组（n=875）。使用多种人工智能算法可用于识别HFpEF患者的特征波段，并对不同模型进行性能评估。使用Shap模型对表现最佳的模型进行分析，对不同特征对于整体模型的贡献度进行排序并进行可视化处理。比较HFpEF患者和对照患者的自主神经指标与血清差异代谢物，并与最佳模型筛选出的特征光谱波段进行关联分析。

结果

采用28种人工智能算法筛选HFpEF患者的特征波段并对HFpEF的诊断模型进行性能评估，其中随机森林算法性能最佳，准确率为0.829，F1指数为0.750，阳性预测值为0.999，阴性预测值为0.542，灵敏度为0.999，特异性为0.792，受试者工作特征曲线下面积为0.884。使用Shap模型对随机森林算法筛选出的最佳特征进行排序，评估每种特征对模型的贡献并进行可视化结果展示。对照患者和HFpEF患者的自主神经指以及血清代谢物存在明显差异，并与筛选出的特征波段存在较强相关性。通过血清差异代谢物对HFpEF患者进行了差异聚类，差异代谢物与特征波段存在较强相关性，高光谱成像不仅可用于区HFpEF患者，还能够将HFpEF患者进行分类。

结论

本研究开发并测试了一种基于高光谱成像技术的人工智能HFpEF筛查诊断模型，能够快速、便捷、高效地帮助医生在门诊或基层医院筛查HFpEF患者，便于HFpEF患者的早期自我识别与及时就医，有助于HFpEF患者的早发现、早诊断、早治疗与健康管理。

END

200 评论

知情同意书

基于人工智能的高光谱成像技术建立HFpEF诊断模型 | 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