人工智能在超聲心動(dòng)圖的應(yīng)用要點(diǎn)

人工智能在超聲心動(dòng)圖的應(yīng)用要點(diǎn)1.人工智能概述1..1人工智能（ArtificialintelligenceA類智能及執(zhí)行相關(guān)任務(wù)的技術(shù)方法隨著人工算法的不斷變革及發(fā)展，人工智能技術(shù)與基因工程、納米科學(xué)一同被譽(yù)為21世紀(jì)三大尖端科技。我國(guó)于27年啟動(dòng)了人工智能計(jì)劃，并把人工智能上升為國(guó)家戰(zhàn)略，鼓勵(lì)推廣其在醫(yī)療、健康等領(lǐng)域的應(yīng)用。.2機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（Machineearnig,ML）是人工智能的一組成部分，也是人工智能應(yīng)用于心血管醫(yī)學(xué)的研究熱點(diǎn)機(jī)器學(xué)習(xí)是研究和開發(fā)從數(shù)據(jù)中學(xué)習(xí)識(shí)別圖案并作系統(tǒng)機(jī)器學(xué)習(xí)的算法包括監(jiān)分標(biāo)記或未標(biāo)中監(jiān)督學(xué)習(xí)是目前人工智能落地最成功的領(lǐng)分類及輸測(cè)結(jié)局與傳統(tǒng)的統(tǒng)計(jì)學(xué)相比機(jī)器學(xué)習(xí)無需進(jìn)行任何假設(shè)來生成P在準(zhǔn)確性測(cè)性能理復(fù)雜數(shù)據(jù)方面?zhèn)鹘y(tǒng)的Logistic回歸法。數(shù)據(jù)背景下，基于機(jī)器學(xué)習(xí)工智能被視為海量數(shù)據(jù)和數(shù)據(jù)解讀者——醫(yī)師之間的橋。.3深度學(xué)習(xí)深度學(xué)習(xí)（Deepearing,DL是機(jī)器學(xué)習(xí)備受關(guān)注的子領(lǐng)域，在心血管醫(yī)學(xué)影像具有極大的深度學(xué)習(xí)是將原據(jù)提供給機(jī)理包括循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrentneuralnetwork,RNN）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutionalneuralnetworks,CN）和深度神經(jīng)網(wǎng)（DeepNeuralNetworks,DNN）等技術(shù)。優(yōu)勢(shì)在于模擬人知，自動(dòng)化醫(yī)學(xué)圖像解釋，幫助臨床決策。2.人工智能在超聲心動(dòng)圖的應(yīng)用準(zhǔn)確可靠的超聲心動(dòng)圖是現(xiàn)代心臟病診斷和治療的核心著超聲心動(dòng)圖技術(shù)的發(fā)展三維超聲心被認(rèn)為準(zhǔn)確媲美心臟磁共振檢查（Cardiacagnetcesonace,CMR），超聲心動(dòng)圖的下一個(gè)發(fā)展方向除了自身技術(shù)的不斷推人工智能技術(shù)的融合至關(guān)重要。.1心臟結(jié)構(gòu)和功能的自動(dòng)量化左心室大小能的評(píng)估聲心動(dòng)圖的關(guān)鍵部分多個(gè)超聲機(jī)器供應(yīng)商，如E、飛利浦、西門子、東芝臟高端機(jī)已納入動(dòng)化定量軟件行自動(dòng)心房、心室定量和射數(shù)計(jì)算。飛利浦EPIQCvx心血管用AI超聲統(tǒng)包括全面的自動(dòng)心臟定量技術(shù)可實(shí)現(xiàn)超聲心動(dòng)圖的自動(dòng)快速定量減少工依賴性人工智能實(shí)現(xiàn)自動(dòng)量化的基礎(chǔ)，是精準(zhǔn)的圖像識(shí)別及解剖結(jié)構(gòu)分割。ZhangJ等人開發(fā)了一種基度學(xué)習(xí)的心動(dòng)圖圖像全自動(dòng)解析通過納入大樣（超過4,00人進(jìn)行模型訓(xùn)練使得圖像識(shí)別的準(zhǔn)確性達(dá)到96%到72%-90美甚至超過人工測(cè)量該團(tuán)隊(duì)同時(shí)成功地訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)肥值得注意的是，即使是超過10000人的大樣，在人工智能的幫助，該團(tuán)隊(duì)費(fèi)了幾周時(shí)間來評(píng)估在Asch等人209年的一項(xiàng)研究中，通過機(jī)器學(xué)習(xí)模型對(duì)9例患者進(jìn)行左心室射血分?jǐn)?shù)的自動(dòng)量化，與傳統(tǒng)的人相比，結(jié)果顯示較高的相關(guān)性（r=0.95）和良好的一致性（r=0.9）。圖4：左心房應(yīng)變自動(dòng)量化分析圖5：基于三維超聲心動(dòng)圖的自動(dòng)右心室定量分析2..2斑點(diǎn)追蹤超聲心動(dòng)圖（Specklerackingehocardiographic,STE通過計(jì)算機(jī)圖像分析技術(shù)追蹤心灰階斑點(diǎn)計(jì)算心變關(guān)參數(shù)，從而進(jìn)行整體和局部心估。Farsalinos等研究發(fā)現(xiàn)基于斑點(diǎn)追蹤超聲心動(dòng)圖測(cè)量的與傳統(tǒng)的二維和勒數(shù)據(jù)相比可重復(fù)性更好arula等將監(jiān)督學(xué)習(xí)算法與追蹤超聲心動(dòng)圖數(shù)據(jù)進(jìn)行整合分析結(jié)果表明機(jī)器學(xué)習(xí)于區(qū)分肥厚型心肌病及員心臟肥厚。Senuta等納入15個(gè)STE指標(biāo)和4個(gè)常規(guī)超聲心動(dòng)圖指標(biāo)進(jìn)行監(jiān)督學(xué)習(xí)模型訓(xùn)練示機(jī)器學(xué)習(xí)在鑒別縮窄性心包炎和限制性心肌面優(yōu)于其它超聲心動(dòng)圖。機(jī)器學(xué)習(xí)融合SE技術(shù)，可嘗試開發(fā)不同疾病的系統(tǒng)，對(duì)于經(jīng)驗(yàn)有限的醫(yī)師，有一定參考作用。圖6：融合人工智能技術(shù)的斑點(diǎn)追蹤定量分析圖7-8：基于三維超聲心動(dòng)圖的左心室自動(dòng)應(yīng)變分析及牛眼圖2.3瓣膜自動(dòng)量化評(píng)估目前經(jīng)皮瓣膜術(shù)不斷迎來瓣膜及心內(nèi)解剖結(jié)構(gòu)的可視化是關(guān)鍵的一環(huán)瓣膜的自動(dòng)建模與評(píng)估是人工智能應(yīng)用于超聲心動(dòng)圖的一個(gè)快速成長(zhǎng)的領(lǐng)域多個(gè)供應(yīng)開發(fā)提供基于人工智能的瓣膜評(píng)估軟件其中飛利浦MVN????二尖瓣定量導(dǎo)航是一種半自動(dòng)化二尖瓣量化主要用于研究二尖瓣瓣環(huán)和瓣葉的相關(guān)。西門子eSieVales自動(dòng)分析系統(tǒng)允許自動(dòng)測(cè)定量和重建二尖瓣-主動(dòng)脈瓣三維模型顯示不同檢查者采用該測(cè)量的二尖瓣參數(shù)變，與外科結(jié)果相關(guān)性較好。TomTec-Arena件包可對(duì)二維及聲心動(dòng)圖數(shù)據(jù)進(jìn)行后處理二尖瓣環(huán)及瓣葉結(jié)構(gòu)的量化分析已被多項(xiàng)研究是一個(gè)有價(jià)值模態(tài)圖像分析工具。Huma等嘗試采用瓣膜半自動(dòng)分析軟件，進(jìn)行三尖瓣結(jié)構(gòu)研究不再限于主動(dòng)脈瓣及瓣基于人工智能的全自動(dòng)瓣膜快速量化有助于結(jié)構(gòu)性心臟病的輔助診斷及治療具有較好的應(yīng)用前景。圖9-11：二尖瓣半自動(dòng)化建模及定量導(dǎo)航系統(tǒng)圖12-13：主動(dòng)脈瓣智能建模及定量分析3.現(xiàn)狀及展望人工智超聲心動(dòng)圖的有助于對(duì)心疾病患者進(jìn)行有診超聲機(jī)器自動(dòng)計(jì)算左室射血分?jǐn)?shù)聲指標(biāo)并給出判斷結(jié)果有利于減少超聲醫(yī)師觀察者性，提高超聲檢查的性和標(biāo)準(zhǔn)超聲心動(dòng)圖的床旁使用及可即性。目前的及前景：膜邊界自動(dòng)識(shí)別及追蹤，包括二維自動(dòng)識(shí)別和自動(dòng)識(shí)別，自動(dòng)檢測(cè)室動(dòng)，心室容積及LVEF；2）心肌自動(dòng)識(shí)別，分析心肌征，心肌長(zhǎng)軸應(yīng)變及牛眼圖短3）瓣；67）連續(xù)性血流動(dòng)力學(xué)分析，自動(dòng)流量監(jiān)測(cè)9）左室收舒張同步性分析；1瓣膜的定量分析；11）心臟整體應(yīng)變分析1）VR等解剖和功能可視化分析及教學(xué)。人工智用于超聲心動(dòng)局限顯而易見目前的算法模型依賴于大數(shù)據(jù)亟需在醫(yī)療機(jī)間建立數(shù)據(jù)分臺(tái)及實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化機(jī)器學(xué)習(xí)需要大量精確標(biāo)記的數(shù)據(jù)集標(biāo)記工作的主觀因素?fù)?jù)模型開發(fā)之后如何切入臨床工作流程并改變傳統(tǒng)醫(yī)模權(quán)也備受挑戰(zhàn)工跨界融合