EN|中文

您所在的位置:首页 > 资讯

人工智能无创精准识别慢性心肌梗死

2019-08-16

        在五一劳动节假期期间,一个振奋人心的消息传来,北京首都医科大学附属安贞医院使用西门子3T磁共振,将人工智能深度学习技术与磁共振心脏成像技术相结合,实现了无创识别慢性心肌梗死的重大突破。

        人工智能已经在临床医学影像辅助诊断上获得很多成功,但是它在成像数据深层次理解上一直缺乏成功的案例。首都医科大学附属北京安贞医院医学影像科徐磊教授团队,联合多个工科团队,共同攻克非增强心肌梗死精准识别问题。慢性心肌梗死是一种严重危害病人生活质量的疾病,临床医生往往需要注入钆对比剂进行增强MRI扫描才能看到慢性心肌梗死的区域和位置,但是钆对比剂有可能引起患者的肾功能损伤,所以筛查慢性心肌梗死急需一种不需要打对比剂的成像识别方法。徐磊教授团队通过多年的临床经验发现,慢性心肌梗死区域的运动模式和正常心肌存在明显不同,在通过和工程人员的合作研发,创新的提出基于深度学习方法从非增强心脏磁共振电影序列直接识别出梗死区域,同时识别精度达到像素级别,有望以后实现慢性心肌梗死筛查不需要注射造影剂。经过北京安贞医院团队的验证,这种方法可以有效简化心脏磁共振扫描流程、缩短扫描时间、减少心脏磁共振扫描钆对比剂的使用,对合并肾功能不全患者的检查更安全。采用的深度学习模型结构,如图所示,左心室定位(上面板);运动特征提取(2D+时间轴输入数据,中面板)和心肌梗死(下面板)的预测与决策。


深度学习模型

论文:Deep Learning for Diagnosis of Chronic Myocardial Infarction onNonenhanced Cardiac Cine MRI

论文链接:https://pubs.rsna.org/doi/full/10.1148/radiol.2019182304

摘要:

        背景:肾功能损害在患有冠状动脉疾病的患者中是常见的,并且如果严重,则不能进行用于心肌梗塞(MI)评估的晚期钆增强(LGE)成像。

目的:通过深入学习非对比材料增强的心脏电影MRI,开发一个全自动的慢性MI描绘框架。

材料和方法:在这项回顾性单中心研究中,开发了一种深度学习模型,用于从201510月至20173月期间收集的非增强心脏电影MRI中提取左心室运动特征并描绘MI区域。慢性心肌梗死患者以及健康对照患者,既有非增强的心脏电影(每个心动周期25个阶段)和LGE MRI检查。80%的MRI检查用于训练数据集,20%用于独立测试数据集。LGE MRI上的慢性MI区被定义为基础事实。通过分析接收器操作特征曲线(AUC)下的面积来评估诊断性能。使用Pearson相关,配对t检验和Bland-Altman分析比较来自非增强心脏电影和LGE MRIMI面积和MI面积百分比。

         结果:研究参与者包括212名患有慢性MI的患者(男性,171;年龄,57.2岁±12.5)和87名健康对照患者(男性,42;年龄43.3岁±15.5)。使用全心脏电影MRI,独立测试组中检测慢性MI的每段敏感性和特异性分别为89.8%和99.1%,AUC0.94。非增强心脏电影和LGE MRI分析MI段数量(114 vs 127P = .38),每患者MI面积(6.2 cm2±2.8 vs 5.5 cm2±2.3)之间无差异; P = .27;相关系数,r = 0.88)和MI面积百分比(21.5%±17.3 vs 18.5%±15.4; P = .17;相关系数,r = 0.89)。

结论:所提出的关于非增强型心脏电影MRI的深度学习框架能够确认慢性心肌梗死的确认(存在),检测(位置)和描述(透壁性和大小)。但是,未来需要进行更大规模的多中心研究才能进行全面验证。