基于时序注意力机制的CNN模型实现冠状动脉疾病自动检测 - AI与医疗健康

基于时序注意力机制的CNN模型实现冠状动脉疾病自动检测Automated Coronary Artery Disease Detection Using a CNN Model with Temporal Attention | medRxiv

环球医讯 / AI与医疗健康来源：www.medrxiv.org美国 - 英语2026-02-28 02:36:33 - 阅读时长2分钟 - 858字

本研究提出一种基于卷积神经网络与时序注意力机制的创新方法，用于冠状动脉疾病的自动检测。该模型通过分析冠状动脉造影的序列医学影像数据，自动提取并突出关键特征，显著提升对早期CAD的识别能力。实验表明，新方法在检测准确率和处理速度上均优于传统CNN架构，为临床工作流提供了可扩展的解决方案，有望通过早期自动化诊断减轻全球3.15亿患者的疾病负担，同时降低资源密集型传统检测方法（如血管造影和应激测试）的人为误差风险。

一、摘要

冠状动脉疾病（CAD）是心血管相关死亡的首要原因，2022年影响美国2050万人及全球约3.15亿人。该疾病的无症状性和渐进性特征为早期诊断和及时干预带来挑战。传统诊断方法（如血管造影和应激测试）存在资源消耗大且易受人为误差影响的缺陷，亟需开发自动化且高效的检测手段。本文提出一种基于卷积神经网络（CNN）与时序注意力机制的CAD诊断新方法。该模型架构能够自动提取并突出冠状动脉造影序列医学影像中的关键特征，使传统方法难以察觉的CAD细微征兆得以显现。时序注意力机制增强了模型聚焦相关时间模式的能力，从而提升对疾病各阶段的检测敏感度和稳健性。在大规模多样化数据集上的实验验证表明，与传统CNN架构相比，该方法在检测准确率和处理速度方面均取得显著提升。本研究提出的系统可扩展解决方案有望融入临床工作流，辅助医疗专业人员决策。最终，该研究为人工智能驱动的医疗解决方案领域作出贡献，通过早期自动化检测减轻全球CAD疾病负担。