人工智能辅助诊断技术在超声心动图诊断房间隔缺损中的应用研究

• 作者: 李文秀 罗涛 张文静 武兴坤 刘爱军 司锐 苏俊武
• 来源期刊: 中国医药
• 学科: 医学
• 关键词: 房间隔缺损 人工智能 超声心动图 辅助诊断
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 超声与影像|Ultrasound and Imaging
• 页码范围: 274-277
• 页数: 4页
• 分类号: R541.1
• 语种: 中文
• DOI: 10.3760/j.issn.1673-4777.2022.02.027

摘要

目的 探讨人工智能辅助诊断技术在超声心动图诊断房间隔缺损(ASD)中的应用价值.方法 回顾性分析2020年6-9月首都医科大学附属北京安贞医院小儿心脏中心确诊的80例ASD患者的临床资料.另选取同期因心脏杂音行超声心动图检查并排除ASD的体检者39例.收集所有受试者的二维及彩色多普勒超声心动图静态图像,按60％和40％的比例划分为训练集和测试集,训练集分别在RESNET50(残差神经网络)、NSENET121(密集连接卷积网络)以及人工智能辅助诊断模型中进行训练.比较3种模型在测试集中对ASD的诊断准确率、假阴性率及假阳性率.结果 训练集由44例ASD患者与27例体检者组成,测试集由36例ASD患者与12例体检者组成.RESNET50、DENSENET121及人工智能辅助诊断模型对ASD的诊断准确率分别为83.3％(40/48)、85.4％ (41/48)、97.9％ (47/48),假阴性率分别为2.8％(1/48)、16.7％ (8/48)、2.8％(1/48),假阳性率分别为58.3％ (28/48)、13.9％ (6/48)、0(0/48).3个模型对ASD的诊断准确率、假阴性率、假阳性率比较差异均有统计学意义(x2=6.05,P=0.04;x2=10.53,P=0.01;x2 =29.67,P＜0.01).结论 人工智能辅助诊断技术可提高超声心动图诊断ASD的准确率,有推广应用价值.