一个可解释的深度学习模型,用于第一季度胎儿心脏查
Wenjia Lei1, Chi Wen2, He Li2
1Department of Ultrasound, Beijing Obstetrics and Gynecology Hospital, Capital Medical University. Beijing Maternal and Child Health Care Hospital, Beijing, China.
NPJ digital medicine
|December 8, 2025
概括
一个新的可解释的深度学习模型准确地选出第一个三个月内先天性心脏病 (CHD). 这种人工智能工具有助于临床医生,使得更早的干预能够获得更好的患者结果.
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:
- 有效的第一季度对先天性心脏病 (CHD) 的查受到技术挑战和缺乏验证的诊断工具的限制.
- 早期发现心血管疾病对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一个可解释的深度学习 (DL) 模型,用于在第一季度查期间准确和可解释的CHD诊断.
- 评估模型的性能与经验丰富的临床医生相比,以及其提高诊断能力的潜力.
主要方法:
- 分析了108,521个第一季度心脏查的大量队列,其中8062张多普勒流四室视图图像为模型开发进行了策划.
- 开发了一种可解释的DL模型,专注于透静流动模式,以模仿CHD诊断的临床推理.
- 该模型经过严格的验证,使用多个外部数据集和与经验丰富的临床医生进行比较.
主要成果:
- 可解释的DL模型在从第一季度心脏查中诊断CHD时表现出高准确性.
- 解释性分析证实,该模型的诊断逻辑与已建立的临床专业知识一致.
- 该模型的表现与经验丰富的临床医生的表现相匹配或超过,显示出增强其诊断能力的潜力.
结论:
- 这项研究介绍了第一个验证的可解释的DL系统,用于第一季度心血管疾病查.
- 开发的AI工具提供了准确和可解释的CHD诊断,可能通过先进的诊断窗口实现更早的干预.
