通过路径发展网络优化房颤患者的用药决策
机器学习
2024-01-19 v1 信号处理
摘要
房颤（AF）是一种常见的心律失常，其特征是心房快速且不规则的收缩。由于心房内血流减慢，尤其是易形成血栓的左心耳部位，它显著增加了中风风险。此类血栓可能迁移至脑动脉，导致缺血性中风。为了评估是否应为房颤患者开具抗凝药物，医生通常使用 CHA2DS2-VASc 评分系统。然而，抗凝药物的使用必须谨慎，因为它会影响凝血功能。本研究引入了一种机器学习算法，利用 12 导联心电图数据预测是否应建议房颤患者接受抗凝治疗。在该模型中，我们使用 STOME 增强时间序列数据，然后通过卷积神经网络（CNN）进行处理。通过引入路径发展层，该模型在负预测值（NPV）为 1 的条件下实现了 30.6% 的特异性。相比之下，在相同的 NPV 条件下，没有路径发展层的 LSTM 算法的特异性仅为 2.7%。
引用
@article{arxiv.2401.10014,
title = {Optimizing Medication Decisions for Patients with Atrial Fibrillation through Path Development Network},
author = {Tian Xie},
journal= {arXiv preprint arXiv:2401.10014},
year = {2024}
}
备注
Master's thesis