基于深度学习的1.5T心脏磁共振Cine序列在肥厚型心肌病和扩张型心肌病患者左心室功能评估中的应用

摘要：

目的:探讨一种基于深度学习的1.5T心脏磁共振Cine序列自动量化不同心肌病左心室功能的性能.方法:回顾性分析2014年3月至2019年11月393例心脏MRI受检者的相关临床资料.对肥厚型心肌病(HCM)患者(HCM组,n=125)、扩张型心肌病(DCM)患者(DCM组,n=133)和健康个体(对照组,n=135)的左心室功能,分别通过手动和自动测量进行评估.手动分析由2位经验丰富的医师完成;自动分析后,从左心室分割精度和左心室功能参数准确性两方面对卷积神经网络(CNN)的性能进行评价.采用Pearson相关分析、Bland-Altman分析和受试者工作特征曲线(ROC),评价手动与自动方法诊断HCM和DCM的相关性与一致性.结果:CNN评估左心室功能时,在HCM组中与手动分析的一致性最好,对照组次之,在DCM中表现最差.HCM组左心室功能4个参数的自动分析与手动分析结果具有较高的相关性(P＜0.01);DCM组所有参数自动与手动分析的相关性均弱于HCM,特别是射血分数和每搏输出量.ROC曲线分析表明,自动分割算出的射血分数对DCM、HCM的诊断灵敏度分别为92.31％和78.05％,特异度分别为82.96％和54.07％.结论:在不同心肌疾病中,基于CNN的心功能分析性能可能不同,在HCM中表现优于DCM,但对DCM的诊断价值优于HCM.

关键词：心血管磁共振;卷积神经网络;扩张型心肌病;肥厚型心肌病;人工智能;深度学习

所属期刊栏目：28

分类号：R542.2(心脏、血管（循环系）疾病)

资助基金：上海市卫生健康委员会课题202040349

在线出版日期：2021-10-28（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：675-681