深度学习可以从二维回声心脏图中评估右心室喷射分数,用于毛囊前肺高血压
Michito Murayama1,2, Hiroyuki Sugimori3,4,5, Takaaki Yoshimura4,5,6,7
1Department of Medical Laboratory Science, Faculty of Health Sciences, Hokkaido University, Sapporo, Japan.
Echocardiography (Mount Kisco, N.Y.)
|April 18, 2024
概括
一个新的深度学习工具自动化了右心室喷射率 (RVEF) 估计从心声回声图. 这种人工智能准确地评估了肺高血压患者的RV缩功能障碍,与专家的表现相匹配.
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:
- 前毛囊性肺高血压 (PH) 增加了右心室 (RV) 的后负荷,损害了缩功能.
- 二维 (2D) 超声心电图是 RV 系统功能评估的标准,但需要专业知识.
- 精确的RV缩功能评估对于管理PH患者至关重要.
研究的目的:
- 开发一个完全自动化的深度学习 (DL) 工具来估计RV喷射率 (RVEF).
- 为了评估工具的准确性,使用2D回声心脏图像视频在毛囊前PH患者.
- 将基于DL的RVEF估计与心脏MRI和专家超声波测量进行比较.
主要方法:
- 使用了85名心脏MRI和心声回声仪的毛囊前PH患者的数据集.
- 在80%的数据上训练了一个3D-ResNet50回归模型,并在20%的数据上进行了测试.
- 模型准确性使用五倍交叉验证进行评估,并与MRI衍生的RVEF和超声波测量 (FAC,TAPSE) 相比较.
主要成果:
- 与心脏MRI相比,DL模型预测RVEF的平均绝对误差为7.67%,与心脏MRI相比.
- 该模型在检测严重的RV缩功能障碍 (RVEF<37%) 中获得了0.84的AUC,与专家FAC (0.87) 相比.
- 对于轻度的RV系统功能障碍 (RVEF ≤45%),DL模型显示高分辨能力 (AUC 0.87),类似于FAC (0.90) 和优于TAPSE (0.67).
结论:
- 一个完全自动化的DL工具可以准确地估计RVEF从2D心声回声学在毛囊前PH.
- 该DL工具显示了RV缩功能障碍的诊断性能,与经验丰富的人类阅读器相美.
- 这种自动化方法可以提高RV功能评估在PH中的效率和一致性.
