论著-胸部
基于人工智能平台的CT冠状动脉血流储备分数联合机器学习算法诊断MACE
作者：郭杨1 吴方锦2 高丽珊2 龚丽波2 徐悦2 秦将均2,*
所属单位：1.海南医科大学第一附属医院(海南 海口570000) 2.三亚中心医院(海南省第三人民医院)放射科(海南 三亚 572000)
PDF摘要
【摘要】目的 探讨冠状动脉CT血管造影(CCTA)后处理平台(数坤)所测的无创血流储备分数(CT-FFR)与冠周脂肪及斑块定量数据联合机器学习算法诊断稳定型心绞痛(SAP)患者发生MACE的可行性。方法 选取三亚中心医院226名诊断为SAP患者的临床及影像数据，根据诊疗过程中患者是否出现MACE将样本划分为未出现MACE的正常组(n=165)，出现MACE的异常组(n=61)采用数坤平台测量病变段CT-FFR与斑块及冠周脂肪、冠状动脉管腔的定量数据，通过ROC曲线评估CT-FFR与冠周脂肪及斑块定量数据联合机器学习算法对患者发生MACE的诊断效能。结果 通过机器学习模型分析，包括XGBoost、SVM、随机森林和Logistic回归模型，这些模型诊断MACE的准确率均超过0.9。其中，XGBoost模型表现最佳，表明其在诊断MACE具有高度的有效性。结论 基于人工智能平台的CT-FFR联合机器学习算法XGBoost模型是诊断MACE的新方法，对于SAP患者出现MACE具有更好的诊断价值。
【关键词】心血管不良事件(MACE)；CT-FFR；稳定型心绞痛；机器学习
【中图分类号】R543.3
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2026.02.023
中国CT和MRI杂志
第24卷， 第 2 期
2026年03月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号