基于深度学习的基于心脏结构和功能的自动解释系统在成人心声回声学中的正式验证
Guijuan Peng1, Rongbo Ling2,3,4, Xiaohua Liu1
1Department of Ultrasound, Shenzhen People's Hospital (The Second Clinical Medical College, Jinan University, The First Affiliated Hospital, Southern University of Science and Technology), Shenzhen, China.
Quantitative imaging in medicine and surgery
|April 16, 2025
概括
深度学习 (DL) 算法准确地从心声谱中解释心脏结构和功能,匹配人类专家的性能,同时显著减少分析时间. 这些人工智能工具为心脏诊断提供了一个有希望的,高效的替代方案.
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:
- 准确的心脏结构和功能测量对于诊断心脏病至关重要.
- 目前的方法耗时,依赖于专家的解释.
- 深度学习 (DL) 为自动心脏分析提供了一个潜在的解决方案.
研究的目的:
- 开发和评估深度学习 (DL) 算法,用于从心声图解读心脏结构和功能.
- 将DL测量的精度和效率与人类专家评估进行比较.
主要方法:
- 在416个视频循环和892个多普勒图像的数据集上训练DL算法 (自动回声,自动多普勒).
- 在178个视频循环和391张多普勒图像上对8个超声波器进行了验证DL性能.
- 使用了90个2D视频和120个多普勒图像的外部验证.
- 使用统计分析,包括SD比率,布兰德-阿尔特曼,ICC,MAD和相关系数来评估协议.
主要成果:
- DL测量显示出高精度,ICC显示结构参数与人类专家相等或优越.
- 对于83.3%的结构参数,相关系数超过0.85,对于多普勒参数,相关系数在0.81到0.99之间.
- 自动回声和自动多普勒分别减少了95.4%和82.5%的分析时间.
- 外部验证证实大多数参数的平均绝对相对偏差在10%以内.
结论:
- 对心脏结构和功能的DL解释显示出高精度和效率.
- 自动测量可以与人类专家的评估互换.
- DL算法表现出类似人类的测量模式,反映出人类读者中观察到的偏差的类似趋势.
