相关实验视频
Updated: Jun 15, 2025
09:29
Echocardiographic Assessment of the Right Heart in Mice
Published on: November 27, 2013
22.9K
自动深度学习在心电回声学中的三回的表型
Amey Vrudhula1,2, Milos Vukadinovic1,3, Christiane Haeffele4
1Smidt Heart Institute, Department of Cardiology, Cedars-Sinai Medical Center, Los Angeles, California.
JAMA cardiology
|April 16, 2025
概括
一个人工智能模型准确地从回声心电图中识别出三腹吐 (TR) 的严重程度. 这种自动化工作流表现出色,为人工智能辅助心声谱铺平了道路.
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:
- 准确评估三腹反 (TR) 对于患者的鉴定和风险分层至关重要.
- 深度学习为自动化心声回声图分析提供了潜力.
研究的目的:
- 开发和验证深度学习计算机视觉工作流程,用于识别彩色多普勒回声心脏图视频和特征TR严重程度.
- 评估人工智能模型在识别特定心声回声视图和TR严重程度方面的表现.
主要方法:
- 开发了一个自动化的深度学习工作流程,使用来自塞达斯-西奈医疗中心 (CSMC) 的大量数据集 (47,312 项研究,2,079,898 条视频).
- 该管道在暂时不同的CSMC数据和斯坦福医疗保健 (SHC) 的地理上不同的队列上得到了验证.
- 使用接收器操作特征曲线 (AUC) 下的面积,灵敏度和特异性来评估性能.
主要成果:
- 人工智能模型在识别顶四室 (A4C) 视频时,通过三管穿过彩色多普勒实现了高准确度 (CSMC 的AUC 1.000,SHC 的0.999).
- 该模型在检测中度至重度TR (CSMC中的AUC0.928,SHC中的0.951) 和重度TR (CSMC中的AUC0.956,SHC中的0.980) 中表现出强的表现.
结论:
- 成功开发了一个自动化的深度学习管道,以识别具有临床意义的TR,具有出色的性能.
- 该项目的开源性质允许对人工智能辅助心声回声学工作流程进行未来的前性评估.
