解剖M型超声人工智能模型测量儿童左室收缩功能的研究

摘要：

目的 研究智能测量左室收缩功能的解剖 M型超声心动图人工智能(AI)模型.方法 从现有儿童心脏病超声心动图库中选择 400 例不同年龄段及不同心血管疾病的儿童超声心动图解剖 M型图像进行人工标测,建立 AI模型.另外纳入 100 例年龄和病种与训练集相匹配的儿童病例的解剖 M型图像作为测试集,对模型进行测试.分析 AI模型与有经验超声医师相比测量左室收缩功能相关参数的准确度和一致性.结果 AI模型与超声医师测量的左室射血分数(LVEF)绝对值差 7.09%±5.86%(62.21%±12.38%vs 65.77%±13.02%).超声医师测量 LVEF1 的观察者内差异绝对值是 9.30%±7.97%,观察者间是 8.10%(2.0%,8.75%).AI 模型测量的LVEF与超声医师测量的LVEF1 高度相关(r=0.780,P<0.001).AI模型与超声医师测量的其余左室相关参数同样高度一致,包括左室舒张末容积(LVEDV,r=0.978)、左室收缩末容积(LVESV,r=0.977)、左室舒张末内径(LVEDD,r= 0.983)、左室收缩末内径(LVESD,r=0.963)、左室短轴缩短率(FS,r=0.740),P<0.001.以 LVEF1<50%定义为左室收缩功能减低,AI模型测量的 LVEF预测左室收缩功能减低的 ROC曲线下面积(AUC)是 0.872,P<0.05.结论 超声心动图解剖 M型 AI模型能够准确测量儿童的左室收缩功能相关参数,可用于识别儿童左室收缩功能减低.

关键词：人工智能、模型、左室收缩功能、解剖M型、超声心动图、儿童

所属期刊栏目：39

分类号：R540.45;R445.1;TP18

资助基金：首都特色诊疗技术研究及示范应用;首都卫生发展科研专项

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：531-535