一种基于深度学习的方法,用于评估使用连续波多普勒光谱的三角管吐.
Shenghua Xie1,2, Han Liu3, Li Su4
1Ultrasound in Cardiac Electrophysiology and Biomechanics Key Laboratory of Sichuan Province, Sichuan Clinical Research Center for Cardiovascular Disease, Sichuan Provincial People's Hospital, University of Electronic Science and Technology of China, Chengdu, 610072, China.
一个新的深度学习系统使用心声回声学多普勒光谱准确评估三回 (TR) 严重程度. 这种人工智能方法为传统的劳动密集型诊断程序提供了可靠的替代方案.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 胸前回声心电图 (TTE) 是诊断三腹吐 (TR) 的主要工具.
- 传统的TR诊断是复杂的,耗时的,并且容易因人为错误和操作员专业知识而变化.
- 现有的方法需要复杂的程序,并且高度依赖于诊断专业人员的技能.
研究的目的:
- 引入一个创新的深度学习 (DL) 系统来评估TR的严重程度.
- 开发一种用于分析TR连续波 (CW) 多普勒光谱的自动化方法.
- 与传统方法相比,评估DL系统的诊断性能.
主要方法:
- 开发了一个端到端的深度学习系统,包括TR CW多普勒光谱的细分和分类模型.
- 该系统在11,654名患者TR CW多普勒光谱的大数据集上进行了训练.
- 对1500个内部病例和573个外部病例进行了验证.
主要成果:
- 该DL系统在分类TR严重性方面表现出高准确性.
- 内部验证结果显示曲线下的面积 (AUC) 值为0.88 (轻度),0.84 (中度) 和0.89 (严重) TR.
- 外部验证显示了可比的AUC:0.86 (轻度),0.79 (中度) 和0.87 (严重) TR.
结论:
- 开发的深度学习系统对于评估TR严重程度是可行的和有效的.
- 这种智能方法为TR诊断提供了一个有希望的,自动化的方法.
- 这种由人工智能驱动的系统有可能减少心声回声学中的变异性并提高诊断效率.
更多相关视频
07:38Comprehensive Echocardiographic Assessment of Right Ventricle Function in a Rat Model of Pulmonary Arterial Hypertension
Published on: January 20, 2023
12:12Echocardiographic Approaches and Protocols for Comprehensive Phenotypic Characterization of Valvular Heart Disease in Mice
Published on: February 14, 2017
相关概念视频
Assessing Blood pressure using a doppler ultrasound
Pre-Procedural Guidelines for Doppler Ultrasound Blood Pressure Assessment:
Preparation of Equipment:
Equipments Used To Measure Blood Pressure
This invasive approach involves cannulating a peripheral artery. During each cardiac contraction, pressure generates mechanical motion within the catheter, transmitted through rigid, fluid-filled tubing to a transducer. This transducer converts mechanical motion into electrical signals displayed as waveforms on a monitor. An automatic flushing system prevents blood backflow. Due to the potential risk of unexpected arterial blood loss, this method is primarily used in intensive...
