摘要: - 急性冠状动脉综合征(ACS)及其亚型的早期和准确诊断对于患者健康至关重要。这项研究的目的是利用心电图(ECG)信号开发一种深度学习方法来对ACS及其不同类型进行分类。该模型是使用卷积神经网络和长期短期记忆结构的组合来构建的,以对代表急性心肌梗死的ECG信号(STEMI),心肌梗死,没有ST-ST-ST-SEPITION(NSTEMI)和健康的个体。数据集由从Erciyes大学医院急诊室出现胸痛的患者收集的12个铅ECG信号。ECG数据以使用Notch,低通和高通滤波器来消除噪声,然后使用Z得分归一化进行标准化。通过k-折叠交叉验证评估模型性能,计算指标,例如准确性,灵敏度,特异性,精度,F1分数和分类率。具有5倍交叉验证,分类精度为ACS-正常组为0.928±0.0172,NSTEMI正常组为0.891±0.0083,STEMI-Nortoral组为0.886±0.02275。这些发现表明,所提出的深度学习模型可有效区分ACS及其亚型,显示出对将来整合到临床应用中的希望。
两项挪威医院对心肌梗死 14 和中风 13 后患者进行的随访研究表明,尽管患者坚持用药,但 CVD 风险因素控制仍远未达到最佳水平。有必要研究挪威普通人群的 CVD 二级预防,采用包括 CVD 风险因素、生活方式因素和药物使用在内的整体方法,并确定与目标实现相关的特征。本研究的目的是根据同期的欧洲心血管疾病预防指南在临床实践中的目标实现情况 2,3 调查二级预防的目标实现情况,包括心血管疾病风险因素测量(血压、血脂、糖化血红蛋白 (HbA1c)、身体质量指数 (BMI) 和腰围)、药物使用(抗高血压药、降脂药、抗血栓药和抗糖尿病药)以及心肌梗死和缺血性中风后的多种生活方式因素(吸烟、身体活动、饮食和营养摄入),使用基于人群的样本。我们进一步调查了女性和男性之间、疾病之间的差异,以及目标实现者和未实现者的特征和生活方式因素。
癌症、高热、脓毒症、肌萎缩侧索硬化症、溺水、急性心肌梗死、不明原因的婴儿猝死、枪伤、心房颤动、腹膜炎、呼吸窘迫综合征、自缢、黑色素瘤、慢性阻塞性肺病、刺伤、癫痫、十二指肠溃疡、外周血管疾病、器质性脑综合征、蛛网膜下腔出血、缺血性肠梗阻、绞窄、脑积水、触电、药物中毒、钝器伤、溃疡穿孔、肝硬化、脑血管意外、宫内胎儿死亡、暴露、白血病、帕金森病、营养不良、髋部骨折、腺癌、脾破裂、获得性免疫缺陷综合征、中毒、胃肠炎、肺栓塞、对乙酰氨基酚中毒、碳一氧化碳、尿脓毒症、病毒性肝炎、短暂性脑缺血发作、钝性头部创伤、腹主动脉瘤、高血压、盐酸苯环利定、骨髓炎、病态肥胖后遗症、神经母细胞瘤、淋巴瘤、酮症酸中毒、绞痛、葡萄球菌性脑膜炎、脑病、胰腺炎、恶性黑色素瘤、高钾血症、急性肾衰竭、间隔缺损、心肌梗死、胆囊炎、过敏性休克、肺炎、镰状细胞性贫血、多系统器官衰竭
在指数心肌梗死 (MI) 期间,大多数心血管死亡是由于电或机械并发症造成的。4 一些电并发症,包括窦房结功能障碍和房室 (AV) 结功能障碍,在右冠状动脉区域缺血时更常见。5 衰老、吸烟和高 Killip 分类是高度 AV 阻滞的预测因素。肾衰竭是与高度 AV 阻滞频率增加相关的另一个因素。高度 AV 阻滞患者的住院和长期死亡率均增加。6、7 与前壁缺血相比,完全性心脏阻滞更常发生在下壁 MI 中,患者在就诊时病情更严重,出现血流动力学衰竭和晕厥,下壁缺血中 AV 阻滞增加的原因是 AV 结血液供应主要来自右冠状动脉。他们的住院病程通常与更差的预后相关,并且许多人需要侵入性呼吸机支持。 8 与非前壁 STE-ACS 相比,前壁 STE-ACS 患者的完全性房室传导阻滞 (CAVB) 发生率明显较低。9 当地研究报告称,下壁心肌梗死患者的完全性心脏传导阻滞发生率各不相同。10-12
1. Kiguchi T、Okubo M、Nishiyama C 等人。全球院外心脏骤停:国际复苏联络委员会(ILCOR)首份报告。复苏。2020;152:39-49。2. Spaulding CM、Joly LM、Rosenberg A 等人。院外心脏骤停幸存者的即时冠状动脉造影。N Engl J Med。1997;336(23):1629-1633。3. Staer-Jensen H、Nakstad ER、Fossum E 等人。复苏后心电图用于选择院外心脏骤停中可立即进行冠状动脉造影的患者。Circ Cardiovasc Interv。 2015;8(10):e002784。4. O'Gara PT、Kushner FG、Ascheim DD 等人。2013 年 ACCF/AHA ST 段抬高型心肌梗死管理指南:执行摘要:美国心脏病学会基金会/美国心脏协会实践指南工作组报告。循环。2013;127(4):529-555。5. Ibanez B、James S、Agewall S 等人。2017 年 ESC ST 段抬高型急性心肌梗死管理指南:欧洲心脏病学会(ESC)ST 段抬高型急性心肌梗死管理工作组。欧洲心脏杂志。 2018;39(2):119 ‐ 177。6. Collet JP、Thiele H、Barbato E 等人。2020 年 ESC 关于无持续 ST 段抬高型患者急性冠状动脉综合征管理的指南。Rev Esp Cardiol(英语版)。2021;74(6):544。7. Gorjup V、Radsel P、Kocjancic ST、Erzen D、Noc M。心肺复苏成功后发生急性 ST 段抬高型心肌梗死。复苏。2007;72(3):379 ‐ 385。8. Lemkes JS、Janssens GN、van der Hoeven NW 等人。无 ST 段抬高型心脏骤停后的冠状动脉造影。N Engl J Med。 2019;380(15):1397 ‐ 1407。9. Kern KB、Radsel P、Jentzer JC 等。无 ST 段抬高型心脏骤停后早期冠状动脉造影与不早期冠状动脉造影的随机试点临床试验:PEARL 研究。循环。2020;142(21):2002 ‐ 2012。10. Pareek N、Kordis P、Webb I、Noc M、MacCarthy P、Byrne J。心导管实验室对院外心脏骤停的现代管理:现状和未来方向。Interv Cardiol Rev。2019;14(3):113 ‐ 123。11. Desch S、Freund A、Akin I 等。无 ST 段抬高型心脏骤停后的血管造影。 N Engl J Med 。2021;385:2544 ‐ 2553。12. Dumas F、Manzo ‐ Silberman S、Fichet J 等。早期心脏肌钙蛋白 I 测量能否帮助预测院外心脏骤停幸存者的近期冠状动脉闭塞?Crit Care Med 。2012;40(6):1777 ‐ 1784。13. Waldo SW、Chang L、Strom JB、O'Brien C、Pomerantsev E、Yeh RW。预测心脏骤停复苏患者中是否存在急性冠状动脉病变。Circ Cardiovasc Interv 。2015;8(10):e002198。14. Pareek N、Kordis P、Beckley ‐ Hoelscher N 等。一种用于早期预测院外心脏骤停后神经系统结果的实用风险评分:MIRACLE2。欧洲心脏杂志。2020;41:4508 ‐ 4517。15. Smith SW、Dodd KW、Henry TD、Dvorak DM、Pearce LA。使用改良的 Sgarbossa 规则中的 ST 段抬高与 S 波比率诊断左束支传导阻滞下的 ST 段抬高型心肌梗死。紧急医学年鉴。2012;60(6):766 ‐ 776。16. Sgarbossa EB、Pinski SL、Gates KB、Wagner GS、GUSTO ‐ I 研究者。心室起搏心律存在下急性心肌梗死的早期心电图诊断。美国心脏杂志。 1996;77(5):423 - 424. 17. McDaniel MC, Galbraith EM, Jeroudi AM, et al. ST 段升高患者冠状动脉罪犯病变的定位
免疫纤维化轴在急性心肌梗塞后心脏重塑中起关键作用。成像方法以监测小鼠中的温度炎症和细胞细胞激活的方法已广泛使用。然而,定量测量的可重复性仍然具有挑战性,尤其是在多个想象中心。我们旨在确定小鼠心肌梗死后在2个设施中获得的定量炎症和纤维细胞激活图像的可重复性。方法:用68 GA-DOTA-ECL1I进行了冠状动脉连接和顺序成像,以评估在心肌梗死后7 D时在7 d时心肌梗死后3 d时3 d的趋化因子受体2型表达。图像是使用第二个中心开发的本地或共识协议在1个中心获取的;这些方案在ISO肾上腺麻醉和注入的示踪剂剂量的持续时间内有所不同。使用共识方案在第二个部位扫描第二组动物。每个站点进行的图像分析也仅由1个站点进行。结果:在使用共识方案时,在梗死领域中的68 Ga-dota-Ecl1i的吸收往往更高(P 5 0.03)。在68 GA-FAPI-46的协议采集之间没有观察到差异。与局部方案相比,共识促销降低了单个动物之间的变异性。当将其标准化为体重为SUV时,这种差异会受到明显的影响。当使用匹配的共识方案时,在现场B上获得的图像中,每克每克组织注射剂量的68 GA-DOTA-ECL1I梗塞区域梗死百分比要高于在a站点A上获得的剂量(P 5 0.006)。每克组织和SUV的注入剂量的百分比在68 GA-FAPI-46之间都是可比的。位点的图像分析差异很大,但是当在现场A分析所有图像时,这种差异得到了减轻。结论:标准化的采集方案的应用可能会降低数据集中的可变性,并促进临床前成像中心之间分子放射性分布的比较。像临床研究一样,多个中心临床前研究应使用基于核心的图像分析来最大程度地提高跨站点的可重复性。
摘要:心血管疾病提出了一项重大的全球健康挑战,该挑战强调了开发准确,更有效的检测方法的关键需求。几项研究在这一领域中贡献了宝贵的见解,但是仍然有必要提高预测模型并解决现有检测方法中的差距。例如,以前的一些研究没有考虑到数据集的挑战,这可能会导致偏见的预测,尤其是当数据集包括少数类别时。这项研究的主要重点是使用机器学习技术的早期发现心脏病,尤其是心肌梗死。它通过进行全面的文献综述来确定有效的策略来应对不平衡数据集的挑战。将七个机器学习和深度学习分类器(包括K-Neartheard邻居,支持向量机,逻辑回归,卷积神经网络,梯度增强,XGBoost和随机森林)部署,以提高心脏病预测的准确性。该研究探讨了不同的分类器及其性能,为开发心肌梗死的强大预测模型提供了宝贵的见解。该研究的结果强调了对心血管疾病的XGBoost模型精心调整的有效性。此优化产生了显着的结果:98.50%的精度,99.14%的精度,98.29%的召回率和98.71%的F1分数。这种优化显着提高了模型对心脏病的诊断准确性。
本文介绍了用于分析和解释三维心动向量图 (VCG) 的创新可视化工具,重点关注心动周期的 QRS 波群。传统心电图 (ECG) 缺乏全面评估心脏所需的空间细节;然而,VCG 提供了心脏电活动的三维表示,让我们能够细致入微地了解心脏动力学。我们提出了五种不同的方法来表示空间 QRS VCG 环:(1) 跟踪心室去极化进展的未修改空间 VCG 环,(2) 便于跨个体和条件进行直接比较的固定比例 VCG 环,(3) QRS 环相对于 3D 空间中三个正交平面的方向。(4) 提供空间分布洞察的八分圆特定图,以及 (5) 强调方向运动同时标准化幅度的单位矢量和单位球体表示。每种方法在阐明正常和心脏病(例如前壁心肌梗死和下壁心肌梗死)中的心室电动力学方面都有独特的优势,突出了环路大小、传播方向、方向和形态的差异。这些方法共同为推进 VCG 研究和增强心脏功能的临床评估提供了一个强大的框架。初步研究结果突出了这些创新工具的潜力。