深度学习自动测量分流严重性与不确定性的估计在4D流MRI
Akhilesh R R Yeluru1,2, Arielle Tycko3, Noe Cazares3
1Department of Bioengineering, University of California San Diego, 9300 Campus Point Dr, La Jolla, CA 92037-0841.
Radiology. Cardiothoracic imaging
|February 19, 2026
概括
一个深度学习系统可以使用四维流动MRI自动化血液流量测量,达到与医生可比的准确性. 这项技术有助于评估先天性心脏病和分流严重程度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 准确的血液流量量测定对于诊断和管理心血管疾病,特别是先天性心脏病至关重要.
- 四维 (4D) 流动MRI提供了全面的血液动力学数据,但手动分析耗时且容易变化.
- 深度学习 (DL) 为医疗成像中的复杂图像分析任务自动化提供了一个潜在的解决方案.
研究的目的:
- 评估深度学习系统的可行性,以使用4D流动MRI进行全自动化全身和肺血流量测量.
- 与手动分析和地面真相相比,评估DL衍生流量测量的准确性和可靠性.
主要方法:
- 对188次临床4D流MRI检查进行了回顾性分析,以开发用于自动化3D定位和2D细分的DL系统.
- DL系统计算出主动脉和肺动脉的净流量,包括平均值和标准偏差.
- 用皮尔森相关性和布兰德-阿尔特曼分析对71名患者的高级放射科医生地面真相进行自动化和手动测量的比较.
主要成果:
- 在所有71名患者中,DL系统成功地自动化了流量测量和分流量计算.
- 在自动化和地面真相测量之间观察到强烈的相关性 (ρ = 0.8320.861,P <.001),偏差较低.
- 在大多数测量中实现了高确定性 (σ < 0.5 L/min),与专家阅读器相匹配时,相关性得到改善.
结论:
- 一个深度学习系统可以自动测量来自4D流动MRI的血液流动,其准确性与训练有素的医生相美.
- 这种自动化方法有望在先天性心脏病等疾病中有效和可靠地评估血液流动.
- DL系统在心血管成像和分流严重性评估中具有很高的临床应用潜力.
