Resumen

Se exploraron las características clínicas y las características de las imágenes de tomografía computarizada (TC) vascular de los pacientes para ayudar a los clínicos a diagnosticar a los pacientes con aterosclerosis. 316 pacientes con aterosclerosis hospitalizados de urgencia fueron tratados con rapamicina en el hospital. Se seleccionó un grupo de miocardiografías ventriculares izquierdas (MVI) delineadas manualmente en la angiografía coronaria por tomografía computarizada (ACTC) del paciente como región de interés para extraer las características de las imágenes. Las imágenes CCTA del 80% de los pacientes se seleccionaron aleatoriamente para el entrenamiento, y las del 20% de los pacientes se utilizaron para la verificación. Se utilizó el método de matriz de correlación para eliminar las características ómicas redundantes de las imágenes con diferentes umbrales de correlación. En el conjunto de validación, los parámetros de diagnóstico CCTA fueron unas 40 veces superiores a los datos segmentados manualmente. El coeficiente medio de similitud de los dados fue del 91,6%. El método propuesto también produjo una distancia centroide muy pequeña (media 1,058 mm, desviación estándar 1,245 mm) y diferencia de volumen (media 1,640), con un tiempo de segmentación de aproximadamente 1,45 ± 0,51 s, en comparación con aproximadamente 744,8 ± 117,49 s para la segmentación manual del médico. Por lo tanto, el modelo de aprendizaje profundo segmentó eficazmente el área de la lesión aterosclerótica, midió y ayudó al diagnóstico de futuros casos clínicos de aterosclerosis, mejoró la eficiencia médica e identificó con precisión el área de la lesión del paciente. Tenía un gran potencial de aplicación para ayudar al diagnóstico y al análisis del efecto curativo de la aterosclerosis.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:pacientes, aterosclerosis, coeficiente medio de similitud de dados, angiografía coronaria por tomografía computarizada, área de lesión aterosclerótica, método de matriz de correlación, análisis del efecto curativo, modelo de aprendizaje profundo, diferentes umbrales de correlación, gran potencial de aplicación.
• Keywords:patients, atherosclerosis, average dice similarity coefficient, coronary computed tomography angiography, atherosclerotic lesion area, correlation matrix method, curative effect analysis, deep learning model, different correlation thresholds, great application potential