使用8层残余U-Net与基于心脏CT血管学图像与心声学图像的深度监测来计算左心室喷射率:一项比较性研究:
Jingyuan Zhang1, Lin Yang2, Yumeng Hu3
1Department of Cardiology, Zhejiang Hospital, Hangzhou, China.
Quantitative imaging in medicine and surgery
|September 15, 2023
概括
一种新的深度学习方法 (AccuLV) 从心脏CT血管造影 (CCTA) 扫描中准确地细分左心室 (LV). 这种自动化工具在评估左心室喷射分数 (LVEF) 中显示出高诊断准确度,为传统方法提供了有希望的替代方案.
科学领域:
- 心血管成像和诊断系统
- 人工智能在医学中的应用
- 医学图像分析 医学图像分析
背景情况:
- 精确的左心室 (LV) 分段对于评估心脏功能至关重要.
- 心脏CT血管造影 (CCTA) 提供非侵入性,快速和经济有效的心血管疾病诊断.
- 在CCTA中对LV细分的现有方法需要改进以获得临床应用.
研究的目的:
- 开发和评估深度学习 (DL) 方法 (AccuLV) 用于在CCTA中对LV进行细分.
- 为了比较AccuLV计算的左心室喷射分数 (LVEF) 与常规心声谱 (EC).
- 评估AccuLV在识别受损LV功能方面的诊断性能.
主要方法:
- 一项回顾性横截面研究包括180名接受CCTA和EC治疗的患者.
- 用于从CCTA图像进行LV细分,采用了具有深度监控的8层残余U-Net.
- 使用DL方法 (DL-LVEF) 计算左心室喷射分数 (LVEF),并与EC-LVEF进行比较,使用50%的EC-LVEF切断值进行诊断评估.
主要成果:
- 在所有患者中,在DL-LVEF和EC-LVEF之间观察到强烈的正相关性 (r=0.82,P<0.001).
- 在预测EC-LVEF<50%时,DL方法表现出高的诊断准确性 (93.9%),灵敏度 (92.3%) 和特异性 (94.3%).
- 在各个子组中表现出色,包括高血压患者,绝经后妇女和糖尿病患者.
结论:
- 该AccuLV深度学习方法提供了一个完全自动化的,快速,准确的方法,从CCTA对LV函数量化.
- 在心血管评估中,AccuLV显示出作为临床决策的可靠工具的巨大潜力.
- 这种基于DL的方法为LVEF测量提供了传统心声回声学的一个有希望的替代方案.
