基于多任务学习的native T1 mapping图像对高血压心脏病和肥厚型心肌病的自动分类

摘要：

目的:基于多任务学习算法，使用native T1 mapping图像对高血压心脏病（HHD）和肥厚型心肌病（HCM）进行自动分类。方法:收集上海交通大学医学院附属仁济医院2017年1月至2021年12月收治的203名患者数据，其中HHD患者53例，HCM患者121例，正常对照（NC）组29例。所有患者均采用核磁共振仪采集native T1 mapping数据，并采用多任务学习算法处理native T1 mapping数据，以基于原始图像的Resnet 50模型为对照，采用十折交叉、混淆矩阵和受试者特征（ROC）曲线验证各模型的分类性能。结果:十折交叉验证结果显示，与Resnet 50模型相比，MTL-1 024、MTL-64和MTL-all模型在曲线下面积（AUC）、准确率、敏感性和特异性等指标上均显示出更好的性能。在分类任务中，MTL-64模型的AUC（0.942 1）表现最佳，而MTL-all模型的准确率达到了最高值（0.852 2）。在分割任务中，MTL-64模型的Dice系数（0.879 7）取得了最佳效果。混淆矩阵图表明MTL模型在整体性能上超越了基于原始图像的Resnet 50模型。且所有MTL模型的ROC曲线图明显高于原始图像输入Resnet 50模型。结论:基于多任务学习的native T1 mapping图像对HHD和HCM的自动分类是有效果的。

关键词：肥厚型心肌病、高血压心脏病、多任务学习、native T1 mapping、十折交叉、混淆矩阵、曲线下面积

所属期刊栏目：47

资助基金：国家自然科学基金81830052;上海市自然科学基金20ZR1438300;上海市分子影像重点实验室18DZ2260400;National Natural Science Foundation of China81830052;Shanghai Natural Science Foundation20ZR1438300;Shanghai Key Laboratory of Molecular Imaging18DZ2260400

在线出版日期：2024-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：342-348