面向房颤分析的左心房分割方法综述
房颤是一种起源于心房的心脏疾病.据估计全球有超过3000万人受其影响,虽然通过治疗可以降低患病风险,但房颤通常是隐匿的,很难及时诊断和干预.房颤的诊断方法主要有心脏触诊、光学体积描记术、血压监测振动法、心电图和基于影像的方法.房颤类型主要为阵发性房颤,前4种诊断方法不一定能捕捉到房颤发作,而且诊断周期长、成本高、准确率低及容易受医生的影响.左心房的解剖结构为房颤病理和研究进展提供了重要信息,基于医学影像的房颤分析需要准确分割左心房,通过分割结果计算房颤的临床指标,例如,射血分数、左心房体积、左心房应变及应变率,然后对左心房功能进行定量评估.采用影像的方法得出的诊断结果不易受人为干扰且具有处理大批量患者数据的能力,辅助医生及早发现房颤,对患者进行干预治疗,提高对房颤症状和临床诊断的认识,在临床实践中具有重大意义.本文将已有的分割方法归纳为传统方法、基于深度学习的方法以及传统与深度学习结合的方法.这些方法得到的结果为后续房颤分析提供了依据,但目前的分割方法许多都是半自动的,分割结果不够精确,训练数据集较小且依赖手工标注.本文总结了各种方法的优缺点,归纳了目前已有的公开数据集和房颤分析的临床应用,并展望了未来的发展趋势.
房颤(AF)、医学图像、深度学习(DL)、左心房分割、左心房功能
27
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2022-12-26（万方平台首次上网日期，不代表论文的发表时间）
共21页
3429-3449
