STAR-Echo：一种使用时空分析和基于Transformer的影像组学模型预后慢性肾脏病患者 MACE 预后的新型生物标志物

本文主要是介绍STAR-Echo：一种使用时空分析和基于Transformer的影像组学模型预后慢性肾脏病患者 MACE 预后的新型生物标志物，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

STAR-Echo: A Novel Biomarker for Prognosis of MACE in Chronic Kidney Disease Patients Using Spatiotemporal Analysis and Transformer-Based Radiomics Models

摘要

慢性肾脏病（CKD）患者患有主要不良心血管事件（MACE）的风险较高。超声心动图评估左心室（LV）功能和心脏异常。LV壁（LVW）的病理生理学和收缩期/舒张期功能与CKD患者的MACE结果（O-和O+）相关联。然而，传统的基于LV容积的测量，如射血分数，其预测价值有限，因为它们仅依赖于末期帧。

我们假设通过时空分析，对比分析LVW的形态可以预测CKD患者的MACE风险。然而，由于噪声、分辨率低和需要手动干预，准确地描绘和分析每个帧的LVW是具有挑战性的。

本文包括：
（a）开发一个自动化流水线，用于识别和标准化心跳周期，并分割LVW；
（b）引入一个新颖的计算生物标志物—STAR-Echo—它结合了来自放射组学（MR）和深度学习（MT）模型的时空风险，用于预测CKD患者的MACE预后；
（c）证明了与MR、MT以及临床生物标志物（EF、BNP和NT-proBNP）相比，STAR-Echo具有更优越的预后性能，用于表征心脏功能障碍。STAR-Echo捕获了LVW的灰度级分布、周长和球度，这些在遭受MACE结果的个体中随时间变化不同。

STAR-Echo在MACE结果分类方面实现了0.71 [0.53−0.89]的AUC，并在一个CKD患者的保留队列（Sv = 44，N = 150）上展示了在Kaplan-Meier生存分析中的预测能力。与MR（p值=0.042）、MT（p值=0.069）和临床生物标志物—EF、BNP和NT-proBNP（p值>0.05）相比，它实现了更优越的MACE预测能力（p值=0.037（对数秩检验））
代码地址

方法

Fig. 1. 时空分析和STAR-Echo的工作流程：STAR-Echo将来自时空模型MR和MT的互补预测进行融合。输入的超声视频经过预处理，以识别在2个舒张末期（ED）帧之间的心跳周期。所有超声视频都被标准化为30帧。分割和蒙版的LVW视频被输入到MR和MT管道中。

实验结果

这篇关于STAR-Echo：一种使用时空分析和基于Transformer的影像组学模型预后慢性肾脏病患者 MACE 预后的新型生物标志物的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---