深度学习通过常规冠状动脉血管图像来估计左心室射出分数
Behrouz Rostami1, Kenneth Fetterly1, Zachi Attia1
1Department of Cardiovascular Medicine, Mayo Clinic, Rochester, Minnesota, USA.
JACC. Advances
|June 28, 2024
概括
深度学习模型可以从冠状动脉血管图像中准确评估左心室喷射率 (LVEF). 这种新的算法超越了人类专家的性能,帮助临床决策.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 冠状动脉血管学电影图像提供了不仅仅是狭窄的评估.
- 深度学习 (DL) 可以从这些图像中识别左心室功能障碍.
研究的目的:
- 通过使用常规冠状动脉血管图,评估机器学习模型来估计左心室喷射率 (LVEF).
主要方法:
- 一个3D卷积神经网络 (CNN) 和变压器模型处理了双冠状动脉血管图投影 (LAO-尾巴,RAO-头骨).
- 该模型将LVEF分类为降低 (≤40%) 或正常/轻微降低 (>40%),根据心声回声学验证.
主要成果:
- 在DL模型中,测试组的AUC为0.87,灵敏度为0.77,特异性为0.80.
- 性能超过了人类专家的评估 (AUC 0.76-0.77).
- 综合的LAO和RAO视图比单独的视图提高了准确性;CNN-变压器模型的性能优于3D-CNN或仅变压器模型.
结论:
- 一个新的DL算法准确且快速地从冠状动脉血管学中评估LVEF.
- 这种工具可以支持临床决策,并使未来从血管图中提取数据.
