使用深度学习进行实时指导和自动测量,以改善左心室大小和功能的回声心脏学评估

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 心声回声扫描 (Echocardiography) 是一种心声回声扫描.

背景情况:

• 心声学测量的低可重现性阻碍了检测左心室 (LV) 功能的微妙变化.
• 深度学习 (DL) 提供了实时分析和提高心声回声学准确性的潜力.

研究的目的:

• 评估基于DL的指导和自动测量对LV全球纵向应变 (GLS),终端透气体积 (EDV),终端静脉体积 (ESV) 和射出分数 (EF) 的可重复性的影响.
• 为了比较DL辅助心电回声学与传统手动测量的可复制性.

主要方法:

• 46名患者连续四次接受了心声回声图.
• 一组 (DL组) 使用DL指导和自动测量;另一组 (手动组) 使用手动测量.
• 此外,还使用基于DL的商业EF工具对DL组记录进行了分析.

主要成果:

• 与手动组相比,DL组显示GLS的测试-重新测试变化率降低了30% (P=0.036).
• 在DL组中,LV体积的最小可检测变化大约比手动组低40% (P ≤ 0.006).
• 在DL组中没有观察到EF可重现性的显著改善;比较结果与手动组相似.

结论:

• 实时DL指导与自动测量相结合,与标准护理相比,提高了LV大小和功能测量的可重复性.
• 需要进一步研究以确定这种基于DL的方法在心声回声学中的临床影响.