首页 > 中国医学影像学杂志 > 基于深度学习的超声心动图自动识别瓣膜反流

基于深度学习的超声心动图自动识别瓣膜反流

Automatic Detection of Valvular Regurgitation by Echocardiography Based on Deep Learning

二维码有效期 120s

摘要目的探讨深度学习算法自动识别基于彩色多普勒动态视频瓣膜反流的可行性.资料与方法回顾性收集2015年6月—2019年9月解放军总医院第四医学中心1 109例瓣膜反流的超声心动图影像作为训练集和验证集,前瞻性连续性收集2023年5月13日—6月13日解放军总医院第四医学中心1 562例超声心动图影像作为测试集,其中二尖瓣反流378例,主动脉瓣反流223 例.利用深度学习算法建立切面分类模型和瓣膜反流识别模型,分析深度学习模型识别切面分类的效能.结果本研究建立的深度学习切面分类模型可自动识别诊断二尖瓣反流和主动脉瓣反流的 2 个切面,对胸骨旁长轴彩色多普勒切面和心尖四腔二尖瓣彩色多普勒切面的识别准确度分别为1.00和0.93;深度学习模型诊断二尖瓣反流的敏感度为0.847,特异度为0.852,准确度为0.849,曲线下面积为0.930.深度学习模型诊断主动脉瓣反流的敏感度为0.857,特异度为0.861,准确度为0.859,曲线下面积为0.940.结论深度学习算法可自动识别瓣膜反流,具有成为心脏瓣膜病筛查工具的潜力.

作者郭马特 ^[1] 宋艳杰 ^[1] 石婵 ^[1] 孙诗敏 ^[2] 马佳 ^[2] 刘博罕 ^[3] 王秋霜 ^[4] 张丽伟 ^[2] 杨菲菲 ^[5] 学术成果认领

作者单位解放军总医院第四医学中心心内科,北京 100037 ^[1] 解放军总医院第六医学中心心内科,北京 100000 ^[2] 解放军总医院第一医学中心心外科,北京 100039 ^[3] 解放军总医院第四医学中心健康医学科,北京 100037 ^[4] 解放军总医院第六医学中心心内科,北京 100000;解放军总医院大数据中心,北京 100039 ^[5]

关键词深度学习超声心动描记术心脏瓣膜疾病二尖瓣闭锁不全主动脉瓣关闭不全诊断 Deep learning Echocardiography Heart valve diseases Mitral valve insufficiency Aortic valve insufficiency Diagnosis

分类号 R445.1（诊断学）TP18 R542.5（心脏、血管《循环系》疾病）

栏目名称

心脏影像学

DOI 10.3969/j.issn.1005-5185.2025.02.007

发布时间 2025-03-17（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（82202265）