相关实验视频
Updated: Jul 4, 2025
08:04
Murine Fetal Echocardiography
Published on: February 15, 2013
17.3K
神经网络的应用在心房隔膜缺陷的产前诊断中
Xiaoxue Zhou1, Tingyang Yang2, Yanping Ruan1
1Maternal-Fetal Consultation Center of Congenital Heart Disease, Department of Echocardiography, Beijing Anzhen Hospital, Capital Medical University, Beijing, China.
Translational pediatrics
|February 7, 2024
概括
卷积神经网络算法准确地检测到胎儿心声学里程碑,并测量了心房长度与心室长度比率 (AVLR). 这种方法在产前诊断心室隔膜缺陷 (AVSD) 中表现有前途.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 心脏病学 心脏病学
背景情况:
- 在胎儿心声学 (FE) 中使用卷积神经网络 (CNN) 算法进行里程碑检测之前没有研究.
- 精确的产前诊断心房隔膜缺陷 (AVSD) 是至关重要的.
- 心房长度与心室长度比率 (AVLR) 是一个潜在的诊断标记.
研究的目的:
- 用CNNs评估胎儿心声学中自动地标检测的准确性.
- 确定AVLR是否可以可靠地用于AVSD的产前诊断.
- 将基于CNN的测量与专家标记的数据进行比较.
主要方法:
- 追溯观察性研究包括278个四室视图胎儿心声图.
- 三个CNN模型 (U-net,MA-net,Link-net) 被训练用于地标检测.
- 进行了心房长度 (AL) 和心室长度 (VL) 的测量,并计算了AVLR并与专家数据进行了比较.
主要成果:
- 美国有线电视新闻网的模型精确地检测到地标,局部错误最小 (0.09-0.13在X/Y轴上).
- 实现了AL和VL的精确测量 (像素距离误差为0.12和0.01).
- 在AVSD病例中,AVLR显著更高 (P<0.0001),诊断性能 (AUC 0.992) 与专家准确性相匹配.
结论:
- 在胎儿心声学中,CNN (U-net,Link-net,MA-net) 能够准确地检测地标,并测量心脏尺寸.
- 使用这些CNN模型计算的AVLR对于AVSD的产前诊断是有效的.
- 这种方法为改善胎儿心脏病学产前诊断提供了可靠的工具.
