相关实验视频
Updated: Jan 17, 2026

10:53
Ultrasonic Assessment of Myocardial Microstructure
Published on: January 14, 2014
5.8K
国际验证心声图人工智能粉样蛋白检测算法
Grant Duffy1, Evangelos K Oikonomou2, Nicholas Easton3
1Smidt Heart Institute, Cedars-Sinai Medical Center, Los Angeles, California, USA.
JACC. Advances
|September 18, 2025
概括
一种新的计算机视觉算法EchoNet-left ventricular hypertrophy (LVH),在诊断心肌粉症 (CA) 中显示出高准确度. 这种人工智能工具有助于更早,更精确地检测CA,改善患者的治疗结果.
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:
- 心脏 Amyloidosis (CA) 诊断往往会延迟,因为它与其他导致左心室壁加厚的疾病相似.
- 传统的心声回声学对CA检测的特异性有局限性.
研究的目的:
- 为了评估计算机视觉算法的性能,EchoNet-左心室缩 (LVH),用于识别心脏粉症 (CA).
- 为了评估算法的诊断准确性跨多个国际站点在一个病例对照研究.
主要方法:
- 一项追溯病例控制研究,涉及574名CA患者和979名对照.
- 使用了EchoNet-LVH,这是一种深度学习算法,用于分析心声回声图视频 (横侧长轴和顶端4室视图).
- 使用接收器操作特征曲线 (AUC) 下的面积,灵敏度,特异性和积极的预测值来评估诊断性能.
主要成果:
- 声网-LVH实现了0.896.6的AUC.
- 在针对特异性优化的值下,该算法表现出0.644的灵敏度和0.988.8的高特异性.
- 阳性预测值为0.968,阴性预测值为0.828,在各种患者人口统计和研究地点的表现一致.
结论:
- EchoNet-LVH显示有潜力帮助更早,更准确地诊断心脏粉样性病.
- 该算法的高特异性对于最大化证实性测试在罕见疾病 (如CA) 中的积极预测值至关重要.
更多相关视频
05:32Retrospective Cardiac Gating with A Prototype Small-Animal X-ray Computed Tomograph
Published on: February 21, 2025
672
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.8K