基于心脏彩超Stacked Ensemble的双瓣动脉瓣诊断：鲁棒且可解释
机器学习
2026-05-14 v1 人工智能
计算机视觉与模式识别
摘要
经胸彩超声（TTE）是诊断双瓣动脉瓣（BAV）的首选影像模态，但诊断性能会随操作员专业知识和图像质量而变化。我们开发了一个可解释的人工智能模型，通过常规获取的纵横平面（PLAX）连续运动循环来区分BAV和二瓣动脉瓣（TAV）。在N=90例（48例BAV，42例TAV）患者研究中，使用漏洞感知、分层的外部分交叉验证协议训练和评估了多主干视频集成模型。在固定的外部分割和10个随机种子下，校准的堆叠集成在外部分交叉验证中的F1得分为0.907，召回率为0.877。帧级Grad-CAM将显著证据局部化于主动脏根部和瓣膜平面，而全球聚合的SHAP值量化了每个视频主干在堆叠预测中的贡献，实现了透明、可审计的案例级别诊断。这些发现表明，PLAX基准的视频集成可以支持从常规超声心动图连续运动循环中进行可靠的BAV/TAV分类，可能有助于在非专业或资源受限的临床环境中实现更早的检测。
引用
@article{arxiv.2605.13730,
title = {Robust and Explainable Bicuspid Aortic Valve Diagnosis Using Stacked Ensembles on Echocardiography},
author = {Christos Chrysanthos Nikolaidis and Vasileios Sachpekidis and Nikolas Moustakidis and Theofilos Moustakidis and Pavlos S. Efraimidis},
journal= {arXiv preprint arXiv:2605.13730},
year = {2026}
}