带有可解释性和现实世界的实践经验的 mitra 和 tricuspid 排泄的自动分类
Wei-Chen Lin1, Yi-Ting Li1, Yu-De Chen2
1School of Medicine, College of Medicine National Cheng Kung University Tainan Taiwan.
一个可解释的AI系统使用心声学准确地选了用心声学来检测 mitra 和 tricuspid 的反. 这种人工智能框架提高了效率,并在临床实践中优先考虑心脏成像研究.
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:
- 副心脏反和三腹反往往并存,并使用类似的心声回声学视图进行评估.
- 对于膜心脏病的现有AI模型缺乏可解释性和生理限制,阻碍了临床采用.
- 需要可靠,可解释的人工智能工具在心声回声工作流程中.
研究的目的:
- 开发和验证一个可解释的,流动意识的深度学习管道,用于关联分级的 mitra regurgitation 和三 regurgitation.
- 为了自动化视图选择,门评估和严重程度分级从跨胸腔心声学.
- 提高人工智能的可靠性和在常规心声回声实践中的采用.
主要方法:
- 创建了一个端到端的深度学习管道,包括视图选择,传单姿势估计和缩阶段意识.
- 该模型在5086个门诊跨胸腔心声学研究中接受了训练,并在独立的队列中得到了验证.
- 使用AUC,灵敏度,特异性,PPV和NPV,以及子组分析来评估性能.
主要成果:
- 该模型在内部测试中实现了适度或较大的额头气和三角气 (AUC>0.980) 的优异区别,并具有高的NPV (>0.970).
- 在各种人口统计学和并发症中,表现强,在特定的患者群体中略有减弱.
- 外部验证显示AUC略低,特别是在严重吐时,但保持了高灵敏度和NPV.
结论:
- 一个可解释的AI框架能够准确和有效地选 mitra和三角管吐.
- 该系统表现出强大的规则排除能力和强大的外部性能,用于自动分拣.
- 这种人工智能工具支持在各种临床环境中对心声回声学研究的优先考虑.
更多相关视频
11:50High-frequency High-resolution Echocardiography: First Evidence on Non-invasive Repeated Measure of Myocardial Strain, Contractility, and Mitral Regurgitation in the Ischemia-reperfused Murine Heart
Published on: July 9, 2010
08:31A Simplified Stepwise Approach to Echo Guidance during Percutaneous Mitral Valve Repair
Published on: October 16, 2021
相关概念视频
Mitral Regurgitation I: Introduction
Mitral Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Regurgitation III: Medical Management
Aortic Regurgitation I: Introduction
Aortic Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Valve Prolapse I: Introduction
