10、人工智能物联网助力心脏疾病与学习障碍筛查

人工智能物联网助力心脏疾病与学习障碍筛查

心脏疾病领域的人工智能应用

在冠心病（CAD）和动脉粥样硬化的治疗与风险评估中，机器学习（ML）在心脏CT图像处理中的方法正逐步得到应用，例如冠状动脉钙化评分和分流量估计。冠状动脉计算机断层血管造影（CCTA）是一种无创诊断冠心病的方法，但与侵入性血管造影相比，它通常会夸大狭窄的严重程度。当使用血流储备分数（FFR）作为指导时，血管造影显示的狭窄并不一定立即具有血液动力学意义。因此，许多ML模型被用于评估无创FFR，并通过正确重新分类血液动力学无显著意义的狭窄来提高CCTA的效率。

使用ML模型在CCTA中自动进行冠状动脉钙化评分，可通过减少假阳性和观察者间的不确定性来为冠状动脉斑块的特征化提供额外的治疗益处。在心肌梗死的预后和管理中，ML在心脏CT中的其他应用还包括纹理分析技术。

SMARTool项目的早期研究结果采用了一种新方法，专注于ML治疗结果和定量生物力学，用于CAD患者的护理（诊断、预后和治疗）。通过回顾性和前瞻性的ML研究（包括临床、生物体液、CCTA成像、脂质组学等），对低、中、高风险患者进行区分。CAD诊断模块侧重于三维冠状动脉重建和无创智能FFR估计，而CAD预测则侧重于复杂的斑块形成数值模型。

除了诊断成像，心电图（ECG）领域也可从ML的应用中受益。ECG是检测心脏电功能异常最常用的方法。ML模型，特别是深度学习（DL）子领域，使自动检测心电图中的不规则情况成为可能，减少了解读时间和对人类异质性的依赖。为了帮助对心律进行分类，人们设计了大量有监督的学习算法。像PhysioNet项目的MIT - BIH心律失常数据库等重要特征，使各类算法既能进行训练又能进行测试。在无监督学习分析中，学习可以在没有