pooyaeini/Aortic-valve-calcifications

# TAVI 钙化拓扑机器学习再分析 ## 概述 本仓库包含用于纽伦堡 TAVR 队列二次分析的可复现代码 (Pollari et al., *J Cardiovasc Comput Tomogr*, 2020; Mendeley Data: doi:10.17632/dkr773wtn3.1)。 ### 研究目标 开发并进行内部验证可解释的机器学习模型，该模型将特定瓣叶的主动脉瓣和左心室流出道 (LVOT) 钙化拓扑与临床、超声心动图和 CT 预测因子相结合，用于： - **主要终点：** TAVI 术后中期全因死亡率 - **次要终点：** 主要围手术期并发症的 VARC-2 复合终点 ## 设计原则 (TRIPOD+AI / PROBAST+AI) - **分析单元：** 患者 - **预测因子：** 仅限术前变量（临床、超声心动图、MDCT、钙化拓扑、外科风险评分、计划使用的器械/入路） - **比较器：** EuroSCORE II - **缺失数据：** 在每个交叉验证折叠中进行插补，以防止数据泄露 - **验证：** 采用带有折叠外预测的重复分层交叉验证 ## 仓库结构 ``` . ├── common.py ├── 01_survival_mortality.py ├── 02_binary_complication.py ├── 03_tables.py ├── run_all.py ├── build_manuscript.py ├── build_supplementary.py ├── build_response.py ├── requirements.txt ├── rawdata.xlsx ├── references.md ├── .gitignore └── LICENSE ``` ## 快速开始 ### 安装依赖 ``` pip install -r requirements.txt ``` 主要软件包： - scikit-survival - lifelines - shap - python-docx ### 添加数据集 从 Mendeley Data 仓库下载 `rawdata.xlsx` 并将其放在项目根目录下。 ### 运行完整 pipeline ``` python run_all.py ``` 输出将写入： - `figures/` - `tables/` - `results/` ### 生成手稿 ``` python build_manuscript.py ``` 这将生成 `Manuscript_TAVI_calcium_ML.docx`。 ## 模型 ### 生存模型 - EuroSCORE II (Cox PH) - 惩罚 Cox (Coxnet) - 梯度提升生存模型 - 随机生存森林 - 随机生存森林（不含钙化特征） 验证： - 10 次重复 × 5 折分层交叉验证（50 折） - C-index、时间依赖性 AUC、Integrated Brier Score、校准、决策曲线分析、Kaplan-Meier 分析 ### 二分类并发症模型 - EuroSCORE II 逻辑回归 - L2 逻辑回归 - 随机森林 - 直方图梯度提升 验证： - 20 次重复 × 5 折分层交叉验证 - AUROC、AUPRC、Brier 分数、校准、诊断性能、决策曲线分析、SHAP、亚组分析 ## 分块执行 ``` python 01_survival_mortality.py chunk 0 4 python 01_survival_mortality.py chunk 5 9 python 01_survival_mortality.py aggregate ``` ## 可复现性 - 固定随机种子 (`RANDOM_STATE = 20240607`) - 确定性交叉验证 - 保存折叠外预测 ## 引用 请引用： 方法学参考文献： - TRIPOD+AI (BMJ, 2024) - PROBAST+AI (BMJ, 2025) - 随机生存森林 (Ann Appl Stat, 2008) - 决策曲线分析 (Med Decis Making, 2006) ## 许可证 MIT 许可证。原始数据集 (`rawdata.xlsx`) 仍受 Mendeley Data CC BY 4.0 许可证的约束。

标签：Apex, Python, TAVI手术预测, 医疗数据分析, 可解释性AI, 无后门, 机器学习, 生存分析, 逆向工具