本研究旨在利用短轴电影MR图像建立基于深度学习方法进行全自动定量左心室功能，评价诊断效能。
本研究纳入了电影MRI数据。利用三个半卷积神经网络（CNNs）联合U-NET纹理进行分析数据（a）单中心、单一品牌设备、均质100例患者（CNN1）；（b）单一品牌设备、多中心、不均质200例患者（CNN2）；（c）多品牌设备、多中心、不均质400例患者（CNN3）。采用独立的多中心、多品牌设备的196例患者测试所有CNNs。通过3名放射科医生独立评价标注（a）左心室准确性、（b）LV分割准确性（c）LV功能参数准确性进而评价CNN效能。利用配对Wilcoxon检验、Pearson相关性、Bland-Altman分析比较自动和人工分析结果。
结果为，对于独立测试数据，CNN3获得了最高的评价效能。CNN3、CNN1、CNN2与人工分析比较平均垂直距离分别为1.1 mm ± 0.3、1.5 mm ± 1.0、(P < .05) 、1.3 mm ± 0.6 (P < .05)。来自CNN3的LV功能参数表明具有高相关性、与由专家评价结果具有一致性。
本研究表明，利用短轴电影MR图像建立基于深度学习方法进行全自动定量左心室功能具有较高准确性和稳定性。
原始出处：
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
来源：MedSci原创
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
