摘要
背景 超声是临床上最常用、最经济的影像学检查手段之一,然而超声影像的诊断存在诸多难点,如影像质量偏低、人为差异显著存在、主要依赖高年资医生经验等。基于人工智能(artificial intelligence,AI)技术研发的超声影像智能诊断系统依据高质量的超声影像轮廓勾画数据,是训练AI模型的重要支撑。目的 研究超声心动图左心室内膜轮廓勾画的“人为差异”,对其进行客观的定量评估。方法 从解放军总医院病例库中随机选取2021年6-8月442例患者的超声心动图心尖二腔(apical 2-chamber,A2C)和心尖四腔切面(apical 4-chamber,A4C)视频。首先由3名三甲医院高年资超声医生选取舒张末和收缩末帧,对舒张末左心室内膜和收缩末左心室内膜分别进行一致轮廓勾画,形成参考标准;然后由4名医学影像分析师对同一切面的舒张末左心室内膜和收缩末左心室内膜进行双盲轮廓勾画;最后,医学影像分析师的勾画质量(衡量其结果与高年资医生的参考标准之间的差异)通过计算内膜轮廓相似度Dice指标、左心室射血分数(left ventricular ejection fraction,LVEF)的差值(即△EF)来量化。超声心动图切面视频按照图像质量被分成好、中、差三组,对比医学影像分析师在两次培训后的勾画质量,定量分析超声心动图轮廓勾画培训的效果。结果 医学影像分析师左心室内膜勾画质量的Dice系数随着超声心动图像质量降低而降低,且舒张期末较收缩期末影响更为显著。医学影像分析师勾画的△EF中位数普遍为负值,说明其勾画的EF值普遍较高年资医生的参考标准EF值偏低。轮廓勾画再培训提升了所有4名医学影像分析师与参考标准的△EF,中位数提升3.5%~6.0%。结论 超声心动图像质量影响着医学影像分析师对左心室内膜勾画的质量,但通过再培训可缩小其与参考标准的差异。
-
单位解放军总医院