点击上方 蓝字 关注我们
了解更多资讯
点击题目可查看全文
人工智能（AI）技术在胸心血管外科领域的应用，正引领着医疗科技向全新的高度发展。3D技术助力精准肺手术，电磁导航革新肺结节诊疗。机器人辅助实现支气管镜精准介入，随机森林与机器学习提升ICU谵妄和院外心脏骤停后神经系统结局预测、提高心脏疾病防治及颈动脉狭窄识别精度。AI结合多模态影像辅助心血管疾病诊疗，深度学习技术精准诊断主动脉瓣狭窄，同时优化血压测量与心拍分类。
亮点：利用3D-CTBA展示肺特异侧枝静脉的解剖结构，结合3D打印技术对双侧肺动脉解剖结构类型及变异进行深入分析，为肺癌手术提供更加精准的影像指导，可提高手术成功率，为患者带来更好的治疗效果。
3D-CT 重建联合 3D 模型打印技术对双侧肺动脉解剖结构类型的分析及临床应用
通信作者：梁志刚
通信作者：胡坚
上肺特异侧枝静脉的三维影像研究及其临床意义
通信作者：王俊
亮点：电磁导航支气管镜的问世，为外周型肺结节的诊断、定位及治疗提供了解决方案，突破了传统技术瓶颈。Veran系统通过智能重建支气管树、实时图像引导，实现精准导航。
从人工智能角度看磁导航气管镜的应用和发展
通信作者：胡坚
亮点：提出一种机器人辅助支气管镜介入路径规划新方法，利用MuJoCo仿真环境和Informed RRT*算法，实现精准定位和连续递进。该方法位置精度提升50%以上，速度快，可用于人机协同控制任务。
支气管介入诊断机器人的分段知情采样规划算法与动力学仿真
通信作者：刘进长
亮点：心胸外科ICU患者易发谵妄，影响康复。传统多因素回归分析预测精度有限。本研究发现，随机森林算法预测心胸外科ICU谵妄风险效能更高，可早期识别高危患者，有助于加强护理，临床应用前景广阔。
随机森林的集成分类算法对心胸外科 ICU 患者谵妄风险的预测分析
通信作者：陈青
通信作者：尹晓清
亮点：四川大学华西医院的研究团队利用机器学习技术对房颤射频消融后复发进行预测，并找到影响复发的风险因素。同时，该团队还评估了机器学习算法在预测心脏血栓形成中的应用，发现随机森林模型预测性能最佳。此外，通过建立基于机器学习的框架，该团队成功筛选出可能发展为房颤的高危患者，Stack模型表现尤为突出，为临床决策提供了有力支持。
基于机器学习的瓣膜病心房颤动射频消融术后复发预测及风险因素分析
通信作者：潘帆
通信作者：钱永军
基于机器学习的瓣膜病心房颤动患者心脏血栓形成预测和特征分析
通信作者：钱永军
通信作者：赵启军
利用电子健康记录分析心脏瓣膜疾病合并心房颤动的机器学习模型
通信作者：钱永军
通信作者：赵启军
亮点：针对心上型TAPVC小样本量的预后模型分析难题，本研究提出Informed LASSO方法，通过引入相关研究成果作为正则化项约束，降低特征变量假阴性率，提高模型分析功效，为精准化治疗方案提供有力支持。
Informed LASSO 机器学习方法在心上型完全性肺静脉异位引流术后生存分析中的应用
通信作者：庄建
亮点：利用颈动脉斑块的CT影像组学特征，构建基于机器学习的预测模型，以识别高危重度无症状性颈动脉狭窄患者，为临床决策提供参考。该模型有望为这类患者的治疗提供新的思路和方法。
基于机器学习的影像组学模型在重度无症状性颈动脉狭窄危险分层中的应用
通信作者：刘鹏
亮点：机器学习算法在预测院外心脏骤停后神经系统结局方面表现优异，其中神经网络使用频率最高。研究发现，机器学习模型的预测性能在特定情况下优于传统统计学模型，为院外心脏骤停患者的临床治疗和预后评估提供了有力支持。
机器学习应用于院外心脏骤停神经系统预后预测模型的系统评价
通信作者：刘宁
亮点：自“图灵测试”提出以来，AI技术飞速发展，并在医学领域发挥重要作用。中国工程院将“基于AI的临床诊断决策支持系统”列为工程研究前沿。心血管疾病作为世界范围内的头号杀手，借助AI技术抗击已成为必然选择。本文综述了机器视觉、自然语言处理、机器人、机器学习四大AI领域在心血管疾病方面的应用及展望。
人工智能在心血管疾病防治中的应用
通信作者：潘湘斌
亮点：基于多模态眼底影像数据的AI技术在心血管疾病诊疗中展现出巨大潜力。该技术利用眼底影像无创、便捷的优势，结合AI高效分析海量数据的能力，为心血管疾病的早期风险评估、辅助诊断和预后预测提供了新手段，有望极大提升诊疗效率和准确性。
基于多模态眼底影像数据的人工智能在心血管疾病诊疗中的应用研究
通信作者：杨小红
亮点：介绍了一种基于DenseNet121架构的深度学习模型，该模型可通过分析心音数据，精准诊断主动脉瓣狭窄。该模型在临床环境下对主动脉瓣狭窄的识别准确率高达91.67%，为心血管疾病的早期筛查和诊断提供了新的有效工具。
基于 DenseNet121 架构的心音模型诊断主动脉瓣狭窄的前瞻性临床研究
通信作者：郭志刚
亮点：基于深度学习的柯氏音时相分类技术可显著提高血压测量的准确性。该技术融合了注意力机制、残差网络和双向长短时记忆网络，对柯氏音进行精准分类，为自动血压测量方法的后续设计奠定了坚实的技术基础。
基于深度学习的柯氏音时相分类研究
通信作者：潘帆
通信作者：钱永军
亮点：采用Tsetlin Machine（TM）这一可解释机器学习方法进行心拍分类，取得了显著成效。该方法不仅能有效区分不同心拍类型，识别准确率高达84.3%，还能通过位模式解释图展示分类依据，提升了模型的可信度与可靠性，为心血管疾病诊断提供了有力支持。
一种用于心拍分类的可解释机器学习方法
通信作者：潘帆
通信作者：钱永军
推荐阅读
精彩回顾|人工智能专题：2022—2023年（一）
《中国胸心血管外科临床杂志》2024年1～8月封面视频集锦
精彩回顾|肺段切除专题：2022-2023年
精彩回顾|指南解读专题：2022—2023年
《中国胸心血管外科临床杂志》人工智能论文集
长按或扫描二维码关注我们！
