利用GAN-Transformer模型对血浆细胞因子谱进行冠状动脉疾病的高级检测
本研究提出了一种创新的GAN-Transformer混合深度学习架构,用于通过血浆细胞因子谱实现冠状动脉疾病的早期非侵入性检测。该模型结合了带梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)生成合成数据和基于Transformer的预测器,在1,040名患者(390名冠心病患者和650名对照组)的样本上达到了93%的准确率和98%的AUC-ROC值,外部验证准确率高达97%。研究表明,这种AI驱动的方法显著优于传统机器学习模型,为冠状动脉疾病的早期诊断提供了新途径,具有重要的临床应用价值和改善患者预后的潜力,代表了人工智能在心血管疾病检测领域的最新进展。

