开发人工智能工具,用于基于多普勒的冠状动脉微血管评估
Henry Seligman1,2, Sapna B Patel1, Anissa Alloula1
1National Heart and Lung Institute, Imperial College London, B Block, Hammersmith Hospital, London W12 0HS, UK.
European heart journal. Digital health
|August 4, 2023
概括
人工智能 (AI) 通过自动化多普勒信号质量和流速跟踪来改善冠状动脉流量储备 (CFR) 评估. 这种人工智能系统提高了精度,减少了操作员偏差,扩大了CFR测量的临床使用范围.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 冠状动脉流量储备 (CFR) 的评估在临床上是有价值的,但受到多普勒法对噪声和操作员偏差的敏感性所限制.
- 目前的侵入性多普勒CFR方法在广泛的临床采用方面面临挑战,因为它们的可变性和主观性.
研究的目的:
- 开发人工智能 (AI) 算法,以自动量化冠状动脉多普勒信号质量和流速.
- 通过人工智能扩大基于多普勒的侵入性CFR评估的临床适用性.
主要方法:
- 使用冠状动脉多普勒流记录来训练一个神经网络,以评估信号质量并推导流速和CFR.
- 人工智能算法输出被独立验证,与专家的共识对准确性和可靠性进行了验证.
主要成果:
- 人工智能在量化多普勒信号质量方面与专家共识达成高度一致 (斯皮尔曼的rho:0.94).
- 人工智能自动跟踪流速,与控制台算法相比,具有更好的数值一致性.
- 人工智能产生了更精确的CFR值 (4.0%MAD与控制台的7.4%) 和改进的跟踪低质量的信号.
结论:
- 基于人工智能的系统可以可靠地评分多普勒信号质量,并推导出冠状动脉流速和CFR.
- 人工智能增强了多普勒CFR评估的自动化,精度和操作员独立性.
- 人工智能有可能显著扩大冠状动脉微血管评估的临床实用性.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
3.9K
06:39Ultrasound Based Assessment of Coronary Artery Flow and Coronary Flow Reserve Using the Pressure Overload Model in Mice
Published on: April 13, 2015
15.0K
