基于深度学习的自动和实时心声回声学质量评分系统,以提高左心室喷射小部分的可重复性评估
Xiaoshan Li1, Lisi Liao2, Kai Wu3
1Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, China.
Quantitative imaging in medicine and surgery
|January 22, 2025
概括
这项研究开发了一个人工智能系统,用于实时回声心电图质量评估和左心室喷射率 (LVEF) 测量. 人工智能模型表现出高精度和一致性,与专家性能相匹配,并提高诊断可靠性.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 心声学对于诊断心血管疾病至关重要,但在图像采集和解释方面存在操作者依赖的变化.
- 图像质量显著影响诊断准确性,人类对图像质量的评估本身可能是不一致的.
- 开发自动化系统对于减少测量误差和提高心声回声评估可靠性至关重要.
研究的目的:
- 开发使用深度学习 (DL) 的心声回声图的自动化实时质量评估系统.
- 使用开发的DL模型,减少左心室喷射率 (LVEF) 的测量误差.
- 提高心声回声诊断的一致性和可重复性.
主要方法:
- 一个DL模型在来自中国10个医疗中心的2,461名参与者的5000多个心声回声数据集上接受了训练.
- 该模型旨在实时检测心脏解剖结构,估计图像质量得分,并测量LVEF.
- 175名来自两个外部中心的参与者进行了验证,将模型评估与人类专家评估进行了比较.
主要成果:
- DL模型在左心室细分 (IoU>0.8) 和心脏结构检测 (mAP50=0.91) 中取得了高性能.
- 模型评估的质量评分与人类专家有很强的一致性,LVEF测量的一致性很高 (ICC=0.821).
- 在模型和人类专家之间的LVEF评估中没有发现显著差异 (P=0.09).
结论:
- 一个人工智能辅助的心声回声计分系统可以有效地与手动质量计分保持一致.
- 人工智能模型提供了对心声回声图质量的实时监督,帮助临床医生实现更可重复和更一致的心脏功能评估.
- 这项技术有可能在临床实践中提高心声回声学的可靠性和效率.
