基于心血管深度学习的高通量精准表型分析左心室肥厚
图像与视频处理
2023-08-31 v1 计算机视觉与模式识别
机器学习
摘要
左心室肥厚（LVH）由包括高血压、主动脉瓣狭窄、肥厚型心肌病和心脏淀粉样变性的广泛全身性及心血管疾病引起的慢性重构所致。LVH 的早期检测与表征可显著影响患者诊疗，但受限于肥厚识别不足、测量误差与变异性，以及难以区分 LVH 的病因。为克服此挑战，我们提出 EchoNet-LVH——一种深度学习工作流，可自动以等同于人类专家的精度量化心室肥厚并预测 LVH 病因。我们的模型在 28,201 个超声心动图视频上训练，精确测量心室壁厚度（平均绝对误差 [MAE] 1.4mm，95% CI 1.2-1.5mm）、左心室内径（MAE 2.4mm，95% CI 2.2-2.6mm）和后壁厚度（MAE 1.2mm，95% CI 1.1-1.3mm），并从其他 LVH 病因中分类心脏淀粉样变性（曲线下面积 0.83）和肥厚型心肌病（AUC 0.98）。在来自独立国内与国际医疗系统的外部数据集中，EchoNet-LVH 准确量化心室参数（R2 分别为 0.96 和 0.90），并在国内外部验证点检出心脏淀粉样变性（AUC 0.79）和肥厚型心肌病（AUC 0.89）。借助多个心动周期的测量，我们的模型能更准确识别 LV 几何形状及其因果病因的细微变化。相比人类专家，EchoNet-LVH 全自动化，可实现可重复、精准的测量，并为心脏肥厚的精准诊断奠定基础。作为促进进一步创新的资源，我们还公开了一个包含 23,212 个标注超声心动图视频的大型数据集。
引用
@article{arxiv.2106.12511,
title = {High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy with Cardiovascular Deep Learning},
author = {Grant Duffy and Paul P Cheng and Neal Yuan and Bryan He and Alan C. Kwan and Matthew J. Shun-Shin and Kevin M. Alexander and Joseph Ebinger and Matthew P. Lungren and Florian Rader and David H. Liang and Ingela Schnittger and Euan A. Ashley and James Y. Zou and Jignesh Patel and Ronald Witteles and Susan Cheng and David Ouyang},
journal= {arXiv preprint arXiv:2106.12511},
year = {2023}
}