机构名称：
¥ 1.0
背景：在ST段抬高心肌梗死（STEMI）中，通过经皮冠状动脉介入干预（PCI）恢复TIMI 3流量（PCI），视觉上定义的微血管障碍物（MVO）被证明是预后不良的预测指标，但不是理想的风险层层次层次化方法。我们打算引入深度神经网络（DNN）辅助心肌对比度超声心动图（MCE）定量分析，并提出更好的风险地层模型。方法：包括至少6个月随访的成功原代PCI的194例STEMI患者。MCE。主要的不良心血管事件（MACE）被定义为心脏死亡，充血性心力衰竭，再染色，中风和复发性心绞痛。灌注参数源自基于DNN的心肌分割框架。视觉微血管灌注（MVP）定性分析的三种模式：正常，延迟和MVO。临床标记和成像特征，包括全球纵向菌株（GL）。构建了一种风险计算器，并通过自举重采样验证。结果：处理7,403 MCE帧的时间成本为773 s。对于观察者和观察者间变异性，微血管血流（MBF）的相关系数为0.99至0.97。38例患者在6个月的随访中遇到了MACE。 我们提出了一个基于MBF [HR：0.93（0.91 - 0.95）]的风险预测模型[HR：0.80（0.73 - 0.88）]。 Kaplan-Meier曲线表明，提出的风险预测模型允许更好的风险地层。38例患者在6个月的随访中遇到了MACE。我们提出了一个基于MBF [HR：0.93（0.91 - 0.95）]的风险预测模型[HR：0.80（0.73 - 0.88）]。Kaplan-Meier曲线表明，提出的风险预测模型允许更好的风险地层。在40％的最佳风险阈值下，AUC为0.95（灵敏度：0.84，特定城市：0.94），优于Visual MVP方法（AUC：0.70，灵敏度：0.89，Speciifity：0.40，0.40，IDI：IDI：-0.49）。结论：与视觉定性分析相比，PCI后，MBF + GLS模型允许STEMI的更准确的风险地层。DNN辅助MCE定量分析是评估微血管灌注的客观，有效且可重复的方法。
主要PCI后STEMI的新型风险分层模型
主要关键词
相关文件推荐
