在心肌病患者的自动喷射分数和风险分层与不同的LV几何学使用2D回声心脏图的心肌病患者的风险分层

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:

• 心肌病常常会改变左心室几何形状 (LVG),影响心脏功能.
• 精确估计左心室喷射率 (LVEF) 对于管理心肌病至关重要.
• 现有的方法可能无法充分考虑LVEF评估中的LVG变化.

研究的目的:

• 开发和验证一个深度学习 (DL) 模型,用于从心声回声图像中估计LVEF.
• 评估DL模型在各种LVG亚型 (集中式缩,偏心式缩,集中式重塑,正常几何) 的性能.
• 通过使用DL衍生LVEF,在每个LVG亚型内确定不利结果的预后因素.

主要方法:

• 一个新的DeepLabV3+算法用于对心声回声图的视图进行LV细分.
• 该DL模型是在公开数据上训练的,并对120名心肌病患者进行了验证.
• 计算左心室体积,并使用辛普森的方法计算LVEF;后勤和LASSO回归分析了结果.

主要成果:

• DL模型在所有LVG亚型中显示出高的LV细分精度 (Dice: 90.07%,IoU: 82.17%).
• 对LVEF估计的平均绝对误差为4.70%,AI预测和手动测量之间有很好的一致性 (偏差:0.95±4.53%).
• 预测的LVEF,E/e'比率和年龄是不良结果的显著预测因素,在特定LVG亚型中具有高AUC值.

结论:

• 开发的DL模型在心肌病患者中提供了准确的LVEF估计,这些患者的LVG不同.
• 这种人工智能驱动的方法为增强的临床评估提供了特定于几何学的工具.
• 该模型有助于改善心肌病患者的风险分层和个性化管理策略.