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。

网址：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 http://c.mxgxt.com/news/view/592127

相关内容

人工智能大模型应用或临拐点
关于多模态、认知能力与通用人工智能，专访智谱AI CEO张鹏
祖孙关系及其功能研究综述
基于模糊理论的大学英语跟读测试智能评价系统研究
注射用炎琥宁对脂多糖发热模型家兔解热机制的研究
超声心动图室壁增厚率与室壁运动幅度对心肌缺血的检测价值比较
基于Pytorch的LSTM模型对股价的分析与预测
从李飞飞团队的研究，理解什么是空间智能？
数智赋能大健康时代：音乐人工智能与声音疗愈的突破性融合
周鸿祎集齐大模型全明星阵容，能否构建大模型时代的超级平台？

随便看看