神经网络模式识别分析移植物流量特征，提高微创冠状动脉旁路手术中的术中吻合错误检测

目的：微创冠状动脉旁路手术（CABG）中术后吻合的质量评估至关重要。近期研究表明，用于术中评估吻合错误的流量探头可能会使外科医生产生虚假的信心，因为只有严重狭窄的吻合（>90%）才能被可靠检测到。我们开发了一个基于移植物流量数据的神经网络系统，并评估其改善吻合错误检测的潜力。方法：在离心机下，使用蒙古犬构建乳腺动脉至左前降支（LAD）移植物（n = 46）。使用过渡时间流量探头记录连续的移植物流量。通过额外的缝合创造各种程度的吻合狭窄（0-100%）。通过术后血管造影确认吻合狭窄的程度。创建了一个使用心率、平均主动脉压力、平均收缩压、最大收缩压、最小收缩压、平均舒张压、最大舒张压、最小舒张压和平均移植物流量的学习向量量化神经网络。此外，进行了流量波形的频谱分析，前五个谐波的幅度和相位被用来进一步发展神经网络。结果：神经网络模式识别系统在检测任何狭窄>50%时准确率为94%。为了验证模型，使用了20%的数据值进行测试集，并且准确率保持在超过偶然状况的100%。结论：使用神经网络系统对过渡时间流量探头的跟踪进行模式识别，可以显著优于外科医生的视觉评估，从而改善微创CABG的临床结果。