基于车动彩超声声像的心血管风险评估：作为动脉损伤预测器的代理特征
计算机视觉与模式识别
2025-04-10 v1
摘要
本研究将高血压用作 individual 血管损伤的指示符。这种损伤可以通过机器学习技术识别，为潜在严重心血管事件提供早期风险标志，并为 individual 病人整体血管状况提供有价值的见解。为此，采用原生开发用于视频分类的 VideoMAE 深度学习模型，通过微调适用于超声声像领域。该模型使用由 Gutenberg Health Study（15,010 名参与者）来源的超过 31,000 例车动彩超声声像视频进行训练和测试，这是世界上最大的前瞻性人群健康研究之一。这种改造促进将个体分类为高血压或非高血压者（验证准确率为 75.7%），用作检测视觉血管损伤的代理。我们展示我们的机器学习模型有效捕获提供有关 individual 整体心血管健康的视觉特征的有效方法。
引用
@article{arxiv.2504.06680,
title = {Deep Learning for Cardiovascular Risk Assessment: Proxy Features from Carotid Sonography as Predictors of Arterial Damage},
author = {Christoph Balada and Aida Romano-Martinez and Vincent ten Cate and Katharina Geschke and Jonas Tesarz and Paul Claßen and Alexander K. Schuster and Dativa Tibyampansha and Karl-Patrik Kresoja and Philipp S. Wild and Sheraz Ahmed and Andreas Dengel},
journal= {arXiv preprint arXiv:2504.06680},
year = {2025}
}