左心室细分,扭曲和心肌注册用于自动化应变测量
Kuan-Chih Huang1,2, Donna Shu-Han Lin3, Geng-Shi Jeng4
1Graduate Institute of Clinical Medicine, College of Medicine, National Taiwan University, Taipei, Taiwan.
Journal of imaging informatics in medicine
|April 19, 2024
概括
一种新的人工智能 (AI) -DTW方法自动化了左心室全球纵向应变 (LVGLS) 测量. 这种人工智能辅助的方法为传统技术提供了可行的,用户友好的替代方案,提高了临床实践的效率.
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:
- 左心室全球纵向应变 (LVGLS) 是心脏病学中一个重要的预后指标.
- 目前的LVGLS测量方法面临着标准化和一致性的挑战,原因是斑点跟踪算法变化和手动调整.
- 这些局限性阻碍了LVGLS分析的广泛采用和民主化.
研究的目的:
- 开发和验证使用人工智能辅助的左心室细分轮测量LVGLS的全自动化方法.
- 为了比较新的AI-DTW方法与传统的斑点跟踪和商用软件,以获得准确性和一致性.
主要方法:
- 一个基于AI的LV细分模型被训练在368个成年心声图 (11,125) 上.
- 动态时间扭曲 (DTW) 被对合成数据的斑点跟踪进行了评估 (实验1),并与80名患者的商业软件进行了比较 (实验2).
- AI-DTW方法整合了细分模型和DTW,在100名患有各种心脏病的患者中进行了测试 (一般LV形态,DCMP,ATTR-CA,AS,MR).
主要成果:
- 实验1和2证实了DTW方法与既有软件的一致性.
- AI-DTW方法在各种患者群体中显示出可比的LVGLS结果,包括一般LV形态,DCMP,ATTR-CA,AS和MR,偏差最小.
- 由AI-DTW生成的应变曲线与传统方法具有很高的相关性 (R平方0.8879-0.9452),表明性能强.
结论:
- 通过人工智能生成的细分轮的动态时间扭曲来测量LVGLS是传统跟踪技术的可行和有效替代方案.
- 人工智能-DTW方法显著减少了手动轮划界的需要,提高了测量效率.
- 这一创新有可能在日常临床实践中实现更为用户友好和标准化的LVGLS评估.
