人工智能辅助诊断技术在超声心动图诊断房间隔缺损中的应用研究

作者：李文秀^*; 罗涛; 张文静; 武兴坤; 刘爱军; 司锐; 苏俊武

来源：中国医药, 2022, 17(02): 274-277.

• 房间隔缺损
• 人工智能
• 超声心动图
• 辅助诊断

目的探讨人工智能辅助诊断技术在超声心动图诊断房间隔缺损(ASD)中的应用价值。方法回顾性分析2020年6—9月首都医科大学附属北京安贞医院小儿心脏中心确诊的80例ASD患者的临床资料。另选取同期因心脏杂音行超声心动图检查并排除ASD的体检者39例。收集所有受试者的二维及彩色多普勒超声心动图静态图像,按60%和40%的比例划分为训练集和测试集,训练集分别在RESNET50(残差神经网络)、NSENET121(密集连接卷积网络)以及人工智能辅助诊断模型中进行训练。比较3种模型在测试集中对ASD的诊断准确率、假阴性率及假阳性率。结果训练集由44例ASD患者与27例体检者组成,测试集由36例ASD患者与12例体检者组成。RESNET50、DENSENET121及人工智能辅助诊断模型对ASD的诊断准确率分别为83.3%(40/48)、85.4%(41/48)、97.9%(47/48),假阴性率分别为2.8%(1/48)、16.7%(8/48)、2.8%(1/48),假阳性率分别为58.3%(28/48)、13.9%(6/48)、0(0/48)。3个模型对ASD的诊断准确率、假阴性率、假阳性率比较差异均有统计学意义(χ2=6.05,P=0.04;χ2=10.53,P=0.01;χ2=29.67,P<0.01)。结论人工智能辅助诊断技术可提高超声心动图诊断ASD的准确率,有推广应用价值。

• 出版日期2022
• 单位北京邮电大学; 首都医科大学附属北京安贞医院; 北京市心肺血管疾病研究所