基于人工智能的慢动态回声心脏学和临床有用性的发展,用于评估区域墙壁运动异常

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:

• 对于心肌缺血的运动应激回声学 (ESE) 的诊断准确性受到医生的经验和图像质量的限制.
• 区域壁运动异常 (RWMA) 是心肌缺血的关键指标.
• 提高ESE诊断性能对于有效的患者管理至关重要.

研究的目的:

• 开发和评估基于人工智能的慢动态回声心脏成像技术,使用图像间插值.
• 评估人工智能增强的慢动作ESE用于检测RWMAs的临床有用性.
• 为了比较慢动画ESE与传统ESE的诊断准确度和图像可读性.

主要方法:

• 基于AI的回声心脏图像插曲管道使用光流计算创建.
• 处理了1334个心声回声录像视频,以生成各种时间步骤的慢动作序列.
• 四名心脏病学家在50名参与者中比较了慢动画和传统ESE之间的RWMA检测准确度和图像可读性.

主要成果:

• 慢动态回声心脏成像成功开发,使任意时间步骤的播放.
• RWMA检测准确度显示了数值的改善 (87.5%与81.0%相比),但在统计学上并不显著.
• 图像可读性显著改善 (p < 0.001),读者之间的一致性 (Fleiss's Kappa) 从 0.53 增加到 0.66.

结论:

• 基于人工智能的慢动态回声心脏学成功地通过图像插值来开发.
• 该方法增强了图像可读性和在检测RWMA时的互读器协议.
• 这种人工智能方法显示出在ESE中支持医生评估的潜力,尽管它没有显著提高诊断准确性.