人工智能对心声回声测量的自动化
Yuki Sahashi1, Hirotaka Ieki2, Victoria Yuan1,3
1Department of Cardiology, Smidt Heart Institute, Cedars-Sinai Medical Center, Los Angeles, CA.
medRxiv : the preprint server for health sciences
|April 1, 2025
概括
人工智能 (AI) 自动化了心声回声测量,减少了临床医生的工作量. 开源的EchoNet-Measurements模型显示了高准确度,可与专家超声波仪进行心血管疾病评估相提并论.
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:
- 手动心声回声测量非常重要,但耗时且不准确.
- 人工智能 (AI) 提供了一个解决方案来自动化这些测量,减少临床医生的负担.
研究的目的:
- 开发和验证开源的深度学习模型,用于自动的心声回声测量.
- 评估人工智能驱动测量的准确性和精度与专家超声波仪器对比.
主要方法:
- 开发并验证了18个心声回声测量的开源深度学习语义细分模型.
- 利用了来自155,215项研究的877,983项测量的大数据集,用于模型开发 (回声网测量).
- 将AI模型输出与两个机构的超声波测量进行比较,以评估准确性.
主要成果:
- 声网测量显示了高精度,总体R2为0.967 (CSMC) 和0.987 (SHC).
- 该模型在一组单独的2,103项研究中评估时,获得了0.981的R2.
- 性能在各种患者特征上保持一致,包括性别和心房动.
结论:
- 开源的EchoNet-Measurement模型在自动回声心脏学测量中实现了高精度,与专家超声波相美.
- 这种人工智能工具有可能在心声学和心血管诊断中显著推进人工智能应用.
关键词:
卷积神经网络是一种卷积神经网络.深度学习 (Deep Learning) 是一种深度学习.多普勒波是一种多普勒波.心声回声扫描 (Echocardiography) 是一种心声回声扫描.自动化测量自动化测量更多相关视频
10:53Ultrasonic Assessment of Myocardial Microstructure
Published on: January 14, 2014
5.4K
11:50High-frequency High-resolution Echocardiography: First Evidence on Non-invasive Repeated Measure of Myocardial Strain, Contractility, and Mitral Regurgitation in the Ischemia-reperfused Murine Heart
Published on: July 9, 2010
24.0K
