基于机器学习的房颤病人左心耳血流动力学研究OA北大核心CSTPCD

房颤是一种常见的心血管疾病,其发病率在全球范围内呈现出快速增长的趋势。房颤病人的左心房及左心耳内的血流动力学规律,比如速度场和压力场,是评估血栓形成风险的重要依据之一。目前对于心血管问题的传统研究方法是计算流体力学,尽管其精度被认可,但高昂的计算成本限制了其在临床快速诊断方面的应用。为了解决这个问题,机器学习方法开始被引入,本文提出了一种基于边卷积层和双通道的神经网络架构。经过训练,该架构可以由左心耳的点云模型,预测出内部的速度场和压力场。该架构对测试集中样本的速度场预测误差约为10%,压力场预测的误差约为5%。应用本文方法对314例房颤患者的左心房及左心耳的血流动力学特性进行研究,发现房颤患者的左心耳内流速低于正常人,而左心房平均压力高于正常人,男性相比于女性更容易患有房颤。