采用多尺度有效融合模块的心脏超声分析：一种新型的中风预测方法

摘要

背景

中风仍然是导致死亡和残疾的主要原因之一，早期风险分层对于预防至关重要。现有的仅基于临床因素的模型可能会忽略超声心动图上可见的细微心脏结构和血流动力学信息。我们的目标是开发一个多模态中风预测模型，整合多视角超声心动图图像和临床指标。

方法

在这项回顾性研究中，纳入了712名高血压患者（共10,992张超声心动图图像；27个临床变量）。分析了长轴、短轴和心尖四腔视图。我们开发了一个多尺度有效融合（MSEF）模块，该模块结合了全局特征融合、多特征重建、通道注意力和位置注意力，以改进多尺度特征表示。将成像特征与临床变量结合，构建多模态模型。使用准确性、精确度、召回率和F1分数对模型在验证集和测试集上的性能进行了评估。

结果

基于MSEF的成像模型优于其他融合方法，在测试集上的准确率为76.8%，F1分数为64.7%。在整合临床指标后，性能进一步提高，测试准确率为80.2%，F1分数为72.1%。

结论

所提出的基于MSEF的多模态框架通过有效结合超声心动图和临床信息，提高了中风风险预测的准确性，有助于更早地识别风险并支持临床决策。