Identification of cardiovascular high-risk groups from dynamic retinal vessel signals using untargeted machine learning
- Dynamic retinal vessel analysis (DVA) provides a non-invasive way to assess microvascular function in patients and potentially to improve predictions of individual cardiovascular (CV) risk. The aim of our study was to use untargeted machine learning on DVA in order to improve CV mortality prediction and identify corresponding response alterations.
Verfasserangaben: | Stanislas Werfel, Roman Günthner, Alexander Hapfelmeier, Henner Hanssen, Konstantin KotliarORCiD, Uwe Heemann, Christoph Schmaderer |
---|---|
DOI: | https://doi.org/10.1093/cvr/cvab040 |
ISSN: | 0008-6363 |
Titel des übergeordneten Werkes (Deutsch): | Cardiovascular Research |
Verlag: | Oxford University Press |
Verlagsort: | Oxford |
Herausgeber: | Tomasz J. Guzik |
Dokumentart: | Wissenschaftlicher Artikel |
Sprache: | Englisch |
Erscheinungsjahr: | 2022 |
Datum der Publikation (Server): | 22.12.2021 |
Freies Schlagwort / Tag: | Haemodialysis; Machine learning; Microcirculation; Myocardial infarction and cardiac death; Retinal vessels |
Jahrgang: | 118 |
Ausgabe / Heft: | 2 |
Erste Seite: | 612 |
Letzte Seite: | 621 |
Link: | https://doi.org/10.1093/cvr/cvab040 |
Zugriffsart: | weltweit |
Fachbereiche und Einrichtungen: | FH Aachen / Fachbereich Medizintechnik und Technomathematik |
FH Aachen / IfB - Institut für Bioengineering | |
collections: | Verlag / Oxford University Press |