人工智能应用于识别心肌 perfusion scintigraphy 图像中的左心室壁:试点研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 冠状动脉疾病的诊断依赖于精确的心肌 perfusion scintigraphy 的解释.
• 识别左心室壁对于评估心脏功能和疾病严重程度至关重要.
• 手动对光图像进行细分是耗时的,并且受观察者之间的变化影响.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于在心肌 perfusion scintigraphy 中自动识别左心室壁.
• 为了提高诊断准确性和分析心肌 perfusion scintigraphy 图像的效率.
• 评估 nnU-Net 卷积神经网络对于这种特定的临床应用的性能.

主要方法:

• 使用了83个临床常规肌肉心脏 perfusion scintigraphy 检查 (4,150张图像) 的数据集.
• 使用3D切片平台进行人工细分,用于地面真相生成.
• 应用nnU-Net卷积神经网络用于左心室壁的自动细分.

主要成果:

• 人工智能模型实现了87%的子系数和0.8.8的平均交叉点.
• 与专家手册细分的高度一致性,超越了传统的解释方法.
• 内部和外部验证证实了该模型的稳定性和临床使用潜力.

结论:

• 提出的人工智能模型nnU-Net显著提高了心肌 perfusion scintigraphy中左心室壁识别的准确性和效率.
• 这一进步为冠状动脉疾病的诊断和治疗提供了有希望的新视角.
• 经过验证的AI模型为未来的应用奠定了基础,包括医疗图像分析中的文物校正.