相关实验视频
Updated: May 10, 2026

09:41
Performing and Processing FNA of Anterior Fat Pad for Amyloid
Published on: October 30, 2010
55.0K
国际验证心声AI粉样蛋白检测算法的国际验证
Grant Duffy1, Evan Oikonomou2, Jonathan Hourmozdi3
1Smidt Heart Institute, Cedars-Sinai Medical Center, Los Angeles, CA, USA.
medRxiv : the preprint server for health sciences
|January 7, 2025
概括
一个新的计算机视觉算法,EchoNet-LVH,在检测心脏粉症 (CA) 时显示出高准确度. 这种工具可以帮助更早,更准确地诊断这种经常错过的疾病.
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:
- 心脏 Amyloidosis (CA) 诊断经常被推迟,因为它与其他导致左心室缩的疾病相似.
- 像全球纵向应变 (GLS) 这样的常规回声心脏学测量为CA检测提供了有限的特异性.
研究的目的:
- 评估EchoNet-LVH的诊断性能,这是一个计算机视觉算法,用于检测心脏粉症.
- 用心声图视频评估算法区分CA与其他导致左心室壁厚度增加的原因的能力.
主要方法:
- 通过使用心声回声图视频进行了多个地点的回顾性病例控制研究.
- 深度学习算法EchoNet-LVH分析了副腹长轴和顶端4室视图,以检测CA.
- 使用接收器操作特征曲线 (AUC) 下的面积,灵敏度,特异性和预测值来测量性能.
主要成果:
- EchoNet-LVH的AUC值为0.896,这表明存在严重的歧视.
- 该算法表现出高特异性 (0.988) 和正预测值 (0.968),这对于诊断罕见疾病如CA至关重要.
- 性能在各种网站,人口统计和设备中保持一致,这表明其广泛适用性.
结论:
- EchoNet-LVH显示出有显著的潜力,有助于更早,更准确地诊断心肌粉症.
- 该算法的高特异性对于在CA的稀有性背景下最大化积极的预测值至关重要.
- 未来的研究将重点关注EchoNet-LVH促进的早期诊断是否会改善治疗开始和患者的治疗结果.

