多中心心声图像的机器间协调,以改善左心室喷射率预测模型

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 声心图人工智能 (AI) 应用在不同供应商机器之间数据协调方面面临挑战.
• 图像数据的变化可能会降低预测心脏功能的AI模型的准确性,例如左心室喷射率 (LVEF).

研究的目的:

• 通过应用数据增强 (DA) 技术,提高 LVEF 的 AI 模型的预测准确度.
• 为了解决和减轻来自各种心声回声系统供应商系统的图像数据变化.

主要方法:

• 利用一个庞大的数据库,包括来自多个中心和供应商的3154名患者的15770个心声回声录像.
• 在GE医疗数据上训练了一个三维卷积神经网络 (3D-CNN),应用各种DA技术 (马校正,缩放,翻译等). ) 的情况.
• 评估基于GE的模型在GE,飞利浦和佳能医疗系统的测试数据上的性能,将其与多供应商模型进行比较.

主要成果:

• 基于GE的AI模型结合了特定的DA技术,显示出出色的LVEF预测准确度.
• 对于LVEF预测的平均绝对误差在GE (4.33),飞利浦 (4.42) 和佳能 (4.89) 测试队列中是可比的.
• DA有效地协调了心声回声图像,使预测与在所有供应商的数据上训练的模型相提并论.

结论:

• 数据增强在协调来自不同供应商机器的回声心脏图像方面非常有效.
• 当应用适当的DA技术时,心声录像视频可以在各供应商之间转移.
• 在AI模型中,DA显著提高了LVEF预测的准确性,这些模型在各种心声数据集上进行训练.