Оптимизированная ансамблевая модель для точного прогнозирования кальцификации коронарных сосудов у пациентов с диабетом

Введение

Сердечно-сосудистые заболевания (ССЗ) представляют серьезную угрозу для пациентов с диабетом, при этом кальцификация коронарных сосудов (CVC) является ключевым прогностическим фактором. В данной статье рассматривается улучшение прогнозирования этих кальцификаций с использованием современных алгоритмов машинного обучения (ML). Однако существующие методы ML и искусственного интеллекта (AI) сталкиваются с рядом проблем, включая ограниченный размер выборки, недостаточное количество данных, высокую временную сложность, длительное время обработки и значительные затраты на внедрение.

Цель исследования

Целью данного исследования является разработка и оценка эффективности модели SLIC-EANN (Simple Linear Iterative Clustering based Ensemble Artificial Neural Network) для прогнозирования CVC у пациентов с диабетом.

Методы

Для прогнозирования CVC у пациентов с диабетом в работе предложена модель SLIC-EANN. В исследовании использовались биохимические, визуализационные и клинические данные, полученные из набора данных коронарной компьютерной томографической ангиографии (CCTA). Предложенная модель применяет следующие методы предварительной обработки:

• Нормализация изображений
• Изменение размера изображений
• Аугментация изображений

Локализация кальцификации коронарных сосудов выполнялась с использованием алгоритма простого линейного итеративного кластеризации (SLIC). Классификация степени тяжести кальцификации осуществлялась с помощью ансамблевой искусственной нейронной сети (EANN), которая интегрирует результаты трех методов машинного обучения:

1. Метод опорных векторов (SVM)
2. Градиентный бустинг (GB)
3. Дерево решений (DT)

Результаты

Предложенный метод демонстрирует точность 98,7% и уровень ошибки 1,3%, превосходя существующие методики.

Выводы

Проведенный анализ показал, что предложенная модель SLIC-EANN обеспечивает более высокую точность прогнозирования кальцификации у пациентов с диабетом по сравнению с существующими методами.

Термины и сокращения

• CVD (Cardiovascular diseases) – Сердечно-сосудистые заболевания
• CVC (Cardiac vascular calcification) – Кальцификация коронарных сосудов
• ML (Machine Learning) – Машинное обучение
• AI (Artificial Intelligence) – Искусственный интеллект
• SLIC-EANN (Simple Linear Iterative Clustering based Ensemble Artificial Neural Network) – Ансамблевая искусственная нейронная сеть на основе простого линейного итеративного кластеризации
• CCTA (Coronary computed tomography angiography) – Коронарная компьютерная томографическая ангиография
• SVM (Support Vector Machine) – Метод опорных векторов
• GB (Gradient Boosting) – Градиентный бустинг
• DT (Decision Tree) – Дерево решений