基于人工智能的算法开发,用于从猫的胸部X射线图中检测左心房扩大
Carlotta Valente1, Marek Wodzinski2,3, Carlo Guglielmini1
1Department of Animal Medicine, Production and Health, University of Padua, Padua, Italy.
一种新的人工智能工具,心脏卷积神经网络 (心脏-CNN),显示了从放射图中自动检测猫的左心房扩大 (LAE) 的希望. 这种人工智能可以帮助兽医识别LAE的晚期阶段,改善猫类心脏护理.
科学领域:
- 兽医辐射学 兽医辐射学
- 人工智能在医学中的应用
- 心脏病学 心脏病学
背景情况:
- 左心房扩大 (LAE) 是猫心脏病的重要指标.
- 对LAE进行精确的放射性评估对兽医来说可能是一个挑战.
- 开发自动诊断工具对于提高兽医诊断的效率和准确性至关重要.
研究的目的:
- 开发和评估一个心脏卷积神经网络 (心脏-CNN) 用于自动检测LAE在猫胸部X射线图.
- 评估心脏-CNN在不同放射视图 (右侧和背腹/腹背) 和分类类型 (多类和二进制) 的表现.
主要方法:
- 这是一项回顾性多中心研究,利用猫的胸部X射线图和可用的心声图数据.
- 根据心声回声学报告,放射图被分类为没有LAE,轻度,中度和严重的LAE类别.
- 心脏-CNN模型经过训练和验证,使用混矩阵和接收器运行特征曲线 (曲线下的区域 - AUC) 评估性能.
主要成果:
- 对于多类分类,AUC在右侧视图中从0.64到0.78不等,在背腹/腹背视图中从0.63到0.76不等.
- 在二进制分类中,心脏-CNN的AUC为0.83的右侧和0.81的背腹/腹背投影.
- 该模型在识别LAE更先进阶段时表现出更高的准确性.
结论:
- 开发的基于人工智能的心脏-CNN工具显示出作为支持系统的巨大潜力,用于在猫身上自动识别左心房扩大.
- 人工智能工具在检测LAE的晚期阶段显得特别有效,为兽医诊断提供了宝贵的帮助.
- 进一步验证和整合到临床工作流程中,可以加强对猫类心脏病的管理.
相关概念视频
06:37Artificial Intelligence-Based System for Detecting Attention Levels in Students
04:37Left Atrial Ligation in the Avian Embryo as a Model for Altered Hemodynamic Loading During Early Vascular Development
09:11Automation of the Micronucleus Assay Using Imaging Flow Cytometry and Artificial Intelligence
07:28Donor Posterior Atrial Flap Rotation for Left Atrial Cuff Reconstruction in Lung Transplantation
05:49Reliability of Artificial Intelligence-Based Cone Beam Computed Tomography Integration with Digital Dental Images
08:34Left Atrial Stenosis Induced Pulmonary Venous Arterialization and Group 2 Pulmonary Hypertension in Rat


