机器学习助力心超分析

关注我们

基于机器学习方法的心腔容积动态定量测量

研究目标:

研究表明,一种新的自动算法能够对三维超声心动图(3DE)数据进行容积分析,从而提供收缩末期和舒张末期左心室和左心房(LV, LA)体积的精确数值。最近,借助机器学习(ML)技术使得这种方法进步一扩展,在整个心脏周期内自动测量心室容积,从而得到左心室和左心室房容积时间曲线。本研究目的是通过与经过充分验证的参考技术进行比较,来验证从这些曲线中获得的射血和充盈参数的准确性。

方法和结果:

本研究共分析了20例转诊做心脏磁共振(CMR)检查的患者,他们在同一天接受了3DE成像。使用ML算法(Philips HeartModel)、独立常规3DE容积分析(TomTec)和CMR图像(切片、逐帧手动跟踪),分别获得LV和LA室的体积-时间曲线。将自动导出的LV和LA体积以及射血/充盈参数与两种参考技术进行比较。4/20例和5/20例分别需要对自动检测到的LV和LA边界进行小的手工校正。使用ML算法生成容积-时间曲线所需的时间是35±17s,而使用常规3DE分析则为3.6±0.9分钟,使用CMR 为96±14分钟。三种方法得到的容积-时间曲线在形状和大小上相似。在与两种方法的比较中,射血/充盈参数在各技术间没有显着差异。Bland-Altman分析证实,尽管整体上是吻合的,但仍存在小的偏差。

结论:

自动化的机器学习算法可以快速动态测量整个心动周期中LV和LA体积,并准确分析射血/充盈参数。将该算法融入临床工作流程,可以提高三维超声心动图成像的应用价值。

下图为研究设计的示意图

下图为左心室射血/充盈参数分析:

下图为左心房射血/充盈参数分析:

参考文献:Eur Heart JCardiovasc Imaging. 2018 Oct 9. doi: 10.1093/ehjci/jey137.

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181219G04M9Z00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券