基于深度学习的1.5T心脏磁共振Cine序列在肥厚型心肌病和扩张型心肌病患者左心室功能评估中的应用

作者：郭家鋆; 鲁鸿飞; 佘佳琦; 吴东; 曾蒙苏; 金航^*

来源：中国临床医学, 2021, 28(04): 675-681.

DOI：10.12025/j.issn.1008-6358.2021.20210203

• 心血管磁共振
• 卷积神经网络
• 扩张型心肌病
• 肥厚型心肌病
• 人工智能
• 深度学习

目的:探讨一种基于深度学习的1.5T心脏磁共振Cine序列自动量化不同心肌病左心室功能的性能。方法:回顾性分析2014年3月至2019年11月393例心脏MRI受检者的相关临床资料。对肥厚型心肌病(HCM)患者(HCM组,n=125)、扩张型心肌病(DCM)患者(DCM组,n=133)和健康个体(对照组,n=135)的左心室功能,分别通过手动和自动测量进行评估。手动分析由2位经验丰富的医师完成;自动分析后,从左心室分割精度和左心室功能参数准确性两方面对卷积神经网络(CNN)的性能进行评价。采用Pearson相关分析、Bland-Altman分析和受试者工作特征曲线(ROC),评价手动与自动方法诊断HCM和DCM的相关性与一致性。结果:CNN评估左心室功能时,在HCM组中与手动分析的一致性最好,对照组次之,在DCM中表现最差。HCM组左心室功能4个参数的自动分析与手动分析结果具有较高的相关性(P<0.01);DCM组所有参数自动与手动分析的相关性均弱于HCM,特别是射血分数和每搏输出量。ROC曲线分析表明,自动分割算出的射血分数对DCM、HCM的诊断灵敏度分别为92.31%和78.05%,特异度分别为82.96%和54.07%。结论:在不同心肌疾病中,基于CNN的心功能分析性能可能不同,在HCM中表现优于DCM,但对DCM的诊断价值优于HCM。

• 单位
  复旦大学附属中山医院