基于深度学习的心脏瓣膜病病人胸片心血管边缘自动分析：开发/外部验证

• 作者: 罗嗣频（译） 何珍（校） 万业达（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 364
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.e0305

摘要

目的 心血管边缘（CB）分析是利用后前位胸片（CXR）检测和量化心血管疾病严重程度的主要方法。该研究旨在开发和验证一种基于深度学习的自动CXR CB分析算法（CB_AUTO），用于诊断和定量评估心脏瓣膜病（VHD）。方法 使用816张正常人和798张VHD病人的后前位胸片开发了CB_AUTO。收集来自3家医院的640张正常人的CXR和542张VHD 病人的CXR，并收集来自公共数据集的132张CXR用于验证。对CB_AUTO确定的CB参数的可靠性进行评估。为评价CB_AUTO和手工CB绘图（CB_HAND）确定的参数之间的差异，计算绝对测量误差百分比（APE）。计算CB_HAND与超声心动图测量结果间的Pearson相关系数。结果 CB_AUTO测定的CB参数具有良好的可靠性（组内相关系数>0.98）。心胸比率的95%一致性界限为（0.00±0.04）%，无系统偏倚。除气管隆突角和左心耳外，CB_AUTO和CB_HAND这2种方法测定的各参数之间的差异均<10%。在公开数据集中，132张CXR中有124张CB参数提取成功（93.9%）。VHD组各项CB参数均显著高于正常对照组（所有P<0.05）。所有CB参数与超声心动图测量结果均显著相关（P<0.05）。结论 基于深度学习算法的CB_AUTO系统提供了高度可靠的CB测量，不仅可用于日常临床实践，还可用于研究本身。