双维心声图全球纵向菌株与人工智能使用来自英国范围合作的开放数据.

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 心声回声图 (Echocardiography) 是一种心声回声图.

背景情况:

• 全球纵向应变 (GLS) 与喷射分数相比,提供了更好的可重现性和预后价值.
• 自动化和透明的方法对于提高临床实践中GLS的信任和采用至关重要.

研究的目的:

• 开发和验证基于机器学习的开放全球纵向应变 (GLS) 方法.
• 将开发方法的性能与多专家共识和专有软件进行比较.

主要方法:

• 一个多图像神经网络 (Unity-GLS) 在6819张心声图像上受过训练.
• 外部验证涉及100个心声回声图,其中有11名专家标记了跟踪和点.
• 绩效使用中位数绝对误差和与专家共识和视觉排名相对应的等级相关性进行评估.

主要成果:

• 开发的Unity-GLS方法显示了1.3个GLS单位的中位数绝对误差,超过专有方法 (2.5和2.2).
• 统一GLS实现了0.91的相关性与专家共识,超过单个专家测量 (0.85) 和专有软件 (0.73,0.79).
• 对于Unity-GLS,与专家视觉排名的排名相关性为0.77,与个人专家 (0.72) 和专有软件 (0.70,0.74) 相比.

结论:

• 开源的Unity-GLS方法提供了与专家共识和专有解决方案一样准确和可靠的GLS计算.
• 培训数据,代码和受训网络的可用性促进了透明度,并促进了更广泛的实施.