ディープラーニングの方法に基づく心房回におけるミトラル回の分類
Helin Huang1, Zhenyi Ge2,3, Hairui Wang1
1Department of Biomedical Engineering, School of Information Science and Technology, Fudan University, Shanghai, China.
この研究では,共鳴図からミトラル反発 (MR) を分類するためのAIシステム,ARMF-Netを開発しました. AIモデルは 正常な機能と3種類の MRを正確に識別し 診断のスピードと効率を向上させます
科学分野:
- 心臓病科
- 医療用イメージング
- 人工知能
背景:
- エコーカルディオグラフィーによるミトラル反発 (MR) の分類は,専門家の解釈に大きく依存しています.
- 現在の方法は時間がかかり,観察者間の変動性があります.
研究 の 目的:
- 人工知能 (AI) による意思決定システムを開発し,MRの分類を行う.
- エコーカーディオグラフィーを用いてMRI診断の精度と効率を高める.
主な方法:
- 266人の被験者からの754のエコービデオ (A2C,A3C,A4Cビュー) を利用した.
- ARMF-Netを開発し,3Dコンボリュアル残留モジュールとマルチ注意メカニズムを備えたディープラーニングモデルを開発した.
- MRは正常なミトラ弁機能 (NM),変性MR (DMR),心房機能MR (AFMR),心室機能MR (VFMR) に分類される.
主要な成果:
- ARMF-Netは,ビデオレベルの高精度 (全体で0.93) と参加者レベルの精度 (最大0.961) を達成しました.
- DMR,AFMR,VFMR,およびNMの特定の精度は,両方のレベルにおいて高かった.
- 分類は数秒で実行され,診断時間は大幅に短縮されました.
結論:
- AIモデルでは,真髄弁の正常な機能と3種類のMRIをエコーカルディオグラフィービデオから正確に特定します.
- ARMF-Netは,臨床エコーカルディオグラムの解釈のための自動化された補助分析と迅速なスクリーニングを提供します.
- このAIシステムは MRの臨床作業と診断の精度を向上させる可能性を秘めています
さらに関連する動画
11:50High-frequency High-resolution Echocardiography: First Evidence on Non-invasive Repeated Measure of Myocardial Strain, Contractility, and Mitral Regurgitation in the Ischemia-reperfused Murine Heart
Published on: July 9, 2010
07:42An Image Guided Transapical Mitral Valve Leaflet Puncture Model of Controlled Volume Overload from Mitral Regurgitation in the Rat
Published on: May 19, 2020
関連する概念動画
Mitral Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Regurgitation I: Introduction
Mitral Regurgitation III: Medical Management
Mitral Stenosis II: Clinical features and Diagnostic Tests
Aortic Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Regurgitation IV: Nursing Management
