从心血管磁共振图像使用机器学习检测低可塑性左心综合征解剖学
Dominik Daniel Gabbert1, Lennart Petersen2,3, Abigail Burleigh2
1Department of Congenital Heart Disease and Pediatric Cardiology, DZHK (German Center for Cardiovascular Research), Partner Site Hamburg/Kiel/Lübeck, University Hospital Schleswig-Holstein, Kiel, Germany. Dominik.Gabbert@uksh.de.
Magma (New York, N.Y.)
|January 12, 2024
概括
一个新型的神经网络准确地识别了心血管磁共振 (CMR) 图像中的关键解剖标志,用于检测低可塑性左心综合征 (HLHS),达到98.7%的分类准确度,并改善了医生的工作流程.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心脏病学 心脏病学
背景情况:
- 心血管磁共振 (CMR) 图像分析为医生提供了潜在的帮助.
- 使用CMR复杂的先天性心脏病分类中的机器学习应用是有限的.
研究的目的:
- 开发一种神经网络,用于检测低可塑性左心综合征 (HLHS) 患者的CMR图像中的7个不同的解剖标志.
- 为了证明地标空间布局对于HLHS识别的实用性.
主要方法:
- 一个定制的神经网络架构被设计用于CMR图像中的地标检测.
- 该方法应用于46名HLHS患者和33名健康对照的轴向SSFPCMR扫描.
主要成果:
- 该研究实现了98.7%的高整体分类准确度,用于识别HLHS.
- 里程碑检测位移的标准偏差为8-17毫米,超过了观察者之间的变化.
结论:
- 自动识别地标可以提高分类的透明度.
- 这种方法可以通过分析有效地指导医生,潜在地节省时间和改善工作流程.


