简单和复杂的大动脉流量的自动定量使用二维相对比MRI.
Rui Li1,2, Hosamadin S Assadi1,2, Xiaodan Zhao3
1Norwich Medical School, University of East Anglia, Norfolk NR4 7TJ, UK.
Medicina (Kaunas, Lithuania)
|October 26, 2024
概括
使用人工智能 (AI) 实现大动脉根血流的全自动细分,与手工方法相比,显示出出色的重复性. 虽然大多数流量指数是可比的,但流量螺旋性和逆流需要进一步调查偏差.
科学领域:
- 心血管成像 - 心血管成像
- 医疗人工智能的人工智能
- 血液动力学 血液动力学
背景情况:
- 心血管磁共振 (CMR) 流量评估对于生理学参数至关重要,但是劳动密集的.
- 需要对相对比速度编码的大动脉根平面进行自动细分,以提高效率.
- 本研究评估了人工智能驱动的大动脉根流分析的准确性和一致性.
研究的目的:
- 使用人工智能验证大动脉根平面的全自动细分.
- 与手动细分相比,评估AI衍生流量指数的可重复性和准确性.
- 通过自动化细分来识别复杂的流量参数中的潜在偏差.
主要方法:
- 卷积神经网络 (AI) 在多中心队列中开发和训练.
- 125名患者的大动脉根图像使用AI进行了细分,并与手动轮进行了比较.
- 分析了简单的 (例如前向/后向流量) 和复杂的 (例如流量位移) 指数.
主要成果:
- 与手动细分相比,人工智能衍生的简单流量指数显示出优异的重复性和最小的偏差.
- 复杂的流量指数显示出良好的到出色的重复性,在流量位移角度和逆流量方面存在小偏差.
- 对于流量位移角度变化和缩逆流 (p < 0.001 和 p < 0.05) 观察到显著的偏差.
结论:
- 自动化大动脉根流量定量与手动细分可比,具有良好的重复性.
- 流向螺旋和缩逆流需要进一步调查,因为有显著的偏差.
- 总的来说,人工智能方法在大多数流量参数中显示出临床可重复性.


