开发自动神经网络预测用于回声心电图左心室喷射分数的自动神经网络预测

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:

• 左心室喷射分数 (LVEF) 对于诊断和分类心力衰竭 (HF) 是至关重要的.
• 准确的LVEF测量对于患者管理和治疗策略至关重要.
• 目前的手动方法耗时,容易出现人为错误.

研究的目的:

• 开发和验证一个自动化管道,使用深度神经网络和集体学习来准确量化LVEF.
• 将自动化方法的性能与专家人类分析进行比较.
• 评估自动化方法对降低喷射率心力衰竭 (HFrEF) 的分类的实用性.

主要方法:

• 开发了一个管道,集成一个心脏卷积神经网络 (ACNN) 用于左心室细分和集体学习用于LV长度估计.
• 面积-长度公式被用于LVEF计算,其中包含了一个自动化峰值检测算法用于选.
• 该方法在一个开源数据集 (10,030声心电图) 和一个外部数据集 (200声心电图) 上得到验证.

主要成果:

• 与专家分析相比,自动化的LVEF预测显示了0.83的皮尔森相关系数 (p < 0.001).
• 该方法在内部数据集中实现了HFrEF分类的AUROC为0.98,在外部数据集中达到0.90.
• 自动峰值检测尽量减少与手动选相关的错误.

结论:

• 提出的基于神经网络的自动化LVEF计算显示出高精度和可靠性.
• 这种自动化方法为专家临床医生对手工LVEF评估提供了可比的替代方案.
• 该管道有效支持心力衰竭患者的诊断和分类.