扩展深度学习模型以诊断LVNC：局限性与权衡
图像与视频处理
2024-02-13 v1 计算机视觉与模式识别
机器学习
摘要
心肌左心室过度小梁化或非致密化（LVNC）是一种新近分类的心肌病。已有多种方法被提出以精确量化左心室小梁，但医学界对采用特定方法尚无普遍共识。在先前工作中，我们提出了DL-LVTQ，一种基于U-Net CNN架构的深度学习左心室小梁量化方法。DL-LVTQ是从患有同种心肌病（肥厚型心肌病）的患者数据集开发的自动诊断工具。在本工作中，我们扩展并调整了DL-LVTQ以适应患有不同心肌病的患者。该数据集包含至多379名患者，分为具有不同特征与心肌病的三组。患者图像取自不同扫描仪与医院。我们修改并调整了U-Net卷积神经网络，以应对具有各种不可分类或混合及遗传性心肌病的异质患者群体的不同特征。新患者组的加入提高了所提自动深度学习方法的准确率、特异性和kappa值，同时保持了敏感性。因此，一个为具有不同特征的多种心肌病准备的更好诊断工具已经就绪。心脏病专家认为98.9%的评估输出经临床验证可用于诊断。故而，分割不同心脏结构的高精度使我们能够建立稳健、客观且更快的诊断系统，减少人为误差与耗时。
引用
@article{arxiv.2311.13912,
title = {Expanding the deep-learning model to diagnosis LVNC: Limitations and trade-offs},
author = {Gregorio Bernabé and Pilar González-Férez and José M. García and Guillem Casas and Josefa González-Carrillo},
journal= {arXiv preprint arXiv:2311.13912},
year = {2024}
}