多模块人工智能算法用于在缺血性心脏病中自动评估左心室功能:喷射分数,壁运动和区域心肌细分

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医学成像分析 医学成像分析

背景情况:

• 缺血性心脏损伤通过影响左心室喷射分数 (LVEF) 和引起壁运动异常 (WMA) 来损害心脏动效率.
• 目前对二维胸前回声心电图 (2D-TTE) 的分析依赖于医生的主观视觉评估,导致基于经验的限制和低可重现性.
• 需要对心声回声学参数进行自动化分析,以克服手动解释的局限性.

研究的目的:

• 开发和验证人工智能 (AI) 算法,用于自动计算2D-TTE图像中的LVEF和WMA检测.
• 将这些自动化功能集成到一个单一,高效的工作流程中,用于临床应用.
• 与心脏病学家测量相比,评估人工智能算法的诊断准确性和可重复性.

主要方法:

• 一项回顾性研究包括600名成年患者.
• 一个结合静态分割和动态跟踪的AI模型被用于通过混合的辛普森方法计算LVEF.
• 采用YOLOv8和ResNet50模型进行WMA检测,使用标准指标评估性能.

主要成果:

• LVEF模块显示,心脏病学家测量的平均偏差为-4 (r = 0.71,p < 0.001).
• ResNet50模型在WMA检测中实现了95%的准确性.
• 通过算法的颜色编码细分标准化了解释,提高了操作员之间的一致性.

结论:

• 本研究介绍了第一个集成的人工智能工作流程,用于自动化LVEF计算和心声回声学中的WMA检测.
• 开发的AI算法SafeHeart展示了准确性,可重现性和速度,为例行心声回声扫描提供了潜在的支持.
• 通过颜色编码分段的标准化解释提高了心声回声分析的可靠性.