基于深度学习的肺高血压查算法的开发和评估,使用数字耳语镜进行查
Ling Guo1, Nivedita Khobragade1, Spencer Kieu1
1Eko Health Inc. Emeryville CA USA.
Journal of the American Heart Association
|February 3, 2025
概括
一种新的深度学习方法使用数字听筒录像 (心声图) 来选肺高血压. 这种非侵入性工具对早期检测和及时治疗这种严重疾病充满希望.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 肺高血压往往是未被诊断的,原因是临床怀疑较低,查工具的可用性有限,如心声回声学.
- 早期检测对于及时治疗潜在原因和改善患者预后至关重要.
- 需要易于使用的查工具来识别肺动脉静脉压升高.
研究的目的:
- 开发和验证一种基于深度学习的方法,用于使用心电图 (PCG) 检测肺动脉缩压升高.
- 评估使用数字耳语镜和人工智能用于非侵入性肺高血压查的可行性.
主要方法:
- 通过使用大约6000个具有已知的肺动脉缩压值的PCG记录和约169,000个未标记的PCG,训练了一个深度卷积网络.
- 该模型以半监督的方式训练,以检测肺动脉缩压 ≥40 mmHg.
- 将PCG记录处理成Mel谱图,并使用GradCAM++进行结果可视化.
主要成果:
- 该模型通过交叉验证实现了0.79的接收机操作员特征曲线下的平均面积.
- 在测试数据集上,该模型表现出0.71的灵敏度和0.73.7的特异性.
- 该GradCAM ++技术成功地突出了PCG记录中的生理上相关的段落,表明肺高血压.
结论:
- 数字耳镜与深度学习算法相结合,为早期肺高血压检测提供了可行的,低成本,非侵入性和可访问的查工具.
- 这种方法有可能改善肺高血压的早期诊断和管理.
