深度学习在儿童先天性室间隔缺损和房间隔缺损辅助检测中的应用研究

摘要：

目的:评估以深度学习为代表的人工智能方法对先天性室间隔缺损(VSD)和房间隔缺损(ASD)心脏CT病例的检测效能.方法:回顾性分析165例心脏CT数据.利用卷积神经网络训练CT缺损检测模型,采用十折交叉验证法对模型进行效能评估,并统计深度学习模型与影像医师检测情况的差异性及一致性.结果:深度学习模型检测VSD和ASD总测试集的平均准确度、平均敏感度及平均特异度等均高于80％.总测试集模型、VSD模型及ASD模型的平均AUC分别为0.85、0.81和0.89.此外,深度学习模型对测试集数据平均每例缺损的检测时间也远小于影像医师.统计分析显示深度学习模型与影像医师对于缺损的诊断情况没有差异且一致性较高.结论:利用深度学习方法能够有效检出先天性室间隔缺损和房间隔缺损,可辅助影像科医师进行诊断和教育培训.

关键词：深度学习、心脏CT、先天性心脏病、室间隔缺损、房间隔缺损

所属期刊栏目：26

分类号：R445.3(诊断学)

资助基金：上海市科学技术委员会项目No.17411953300

在线出版日期：2020-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：384-389