深度学习对左心室的细分和定量从心声学中横侧短轴视图中的左心室

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:

• 定量回声心脏图测量由于变化和时间限制而未得到充分利用.
• 开发自动化方法可以提高心脏评估的效率和一致性.

研究的目的:

• 创建一个深度学习 (DL) 管道用于自动定量测量从横侧短轴 (PSAX) 视图回声心脏图.
• 通过手动测量来验证DL管道的性能,并评估其临床实用性.

主要方法:

• 在PSAX图像中训练了一种nnU-Net模型用于左心室 (LV) 光和心肌细分.
• 计算了包括LV光面积,部分面积变化和平均墙壁厚度 (MWT) 在内的关键测量.
• 性能与两名手动观察员进行了验证,评估了细分相似性和测量可变性.

主要成果:

• DL模型实现了高的细分相似性 (Dice系数为0.93±0.04的LV光,0.84±0.08的心肌).
• 基于DL的测量表明与观察者之间的变化一致.
• 自动定时和LV光线面积测量与专家手动定时相匹配.
• 由DL衍生的MWT成功地将高血压与非高血压患者区分开来 (p<0.001).
• 科目层面的可行性达到了90.4%.

结论:

• 为PSAX测量开发的DL管道的性能与专家注释器相提并论.
• 这种自动化方法为耗时的手动测量提供了潜在的替代品.
• 由DL衍生的MWT显示出用于识别高血压的临床潜力,这表明自动PSAX分析的实用性.