机构名称：
¥ 1.0
摘要：当前的冠状动脉疾病护理标准（CAD）需要摄入放射性或对比度增强染料，辐射暴露和压力，并且可能需要数天到几周才能转介到金标准的心脏导管插入术。CAD诊断途径将从测试中受益匪浅，以评估CAD，这使医生能够在护理点进行排除，从而更快地探索其他诊断。我们试图使用机器学习来开发测试，以使用易于出现的信号（无应力/辐射）在护理点上评估CAD。鉴于心脏病学的性别与城市/农村地区之间的历史性不同，我们在地理上可访问的测试中瞄准了性别平等的表现。非侵入性光插图学和正交电压梯度信号同时在具有CAD（用于确认CAD确认的金标准）和无CAD（无CAD）（出色的负预测值）的患者（用于CAD确认的金色标记）和coD cAD的侵入性导管之前同时获得。特征是从信号中测量的，并用于机器学习以预测CAD状态。机器学习算法的灵敏度为90％，特异性为59％。在性别以及所有其他相关子组之间都保持了排除概况。通过机器学习在非侵入性信号上评估CAD的测试已成功开发出来，显示出高性能和排除能力。在临床实践中实施测试之前，需要在大型临床，失明的注册数据集中确认性能。
开发非侵入性机器学习点...
主要关键词
相关文件推荐
