用人工智能增强的自动化用于M模式心声回声分析:确保全自动,可靠和可重复的测量

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:

• 对于心脏结构测量而言,M模式回声心脏成像非常重要.
• 目前的手动分析可能耗时且变化不定.
• 加强自动化分析可以改善临床工作流程和诊断准确度.

研究的目的:

• 开发和评估基于人工智能的自动化分析系统,用于M模式心声回声.
• 为了评估系统在通过大动脉,左心房和左心室测量心脏结构的准确性.
• 为了确定系统在鼻节律和心房动中的表现.

主要方法:

• 开发了一个集成深度神经网络 (DNN) 的系统,用于视图分类和图像细分.
• 在全国数据集中的5958张M模式图像上训练了系统.
• 在内部 (100 图像) 和外部 (280 图像) 测试集上验证了性能.

主要成果:

• 查看分类DNN实现了99.8%的准确性;细分DNN实现了94.3%的子相似系数.
• 自动测量结果显示,与内部数据的专家评估有很强的相关性 (PCC 0.81-0.99).
• 在外部数据上观察到一致的高性能,无论是鼻节律 (PCC 0.84-0.98) 还是心房动 (PCC 0.70-0.97).

结论:

• 这种基于人工智能的系统在M模式回声心脏分析方面表现出卓越的准确性,可重复性和速度.
• 自动化多心脏周期读数与平均手动测量更好地相关.
• 这种自动化方法有可能提高临床实践的效率并减少临床实践的变化.