基于深度学习的人工智能模型自动量化超声心动图左心室射血分数初步探索

目的 利用超声心动图静态视图,构建一种基于深度学习的人工智能模型,以自动量化左心室射血分数(LVEF)。方法 将1 902例成人左心室收缩末期和舒张末期的多切面超声心动图视图数据纳入本研究。将收集的数据集分为开发集(1 610例,其中1 252例用于模型训练,358例用于参数调整)、内部测试集(177例,用于内部验证)和外部测试集(115例,用于外部验证和泛化性检测)。该模型通过精确识别左心室心内膜边界和关键点检查,实现左心室分割和自动量化LVEF。采用Dice系数评估左心室分割模型的性能;采用Pearson相关系数和组内相关系数评估自动测量的LVEF与参考标准的相关性和一致性。结果 左心室分割模型性能良好,内部和外部独立测试集的Dice系数均≥0.90;自动测量的LVEF与心脏专家人工测量的一致性中等,内部测试集的Pearson相关系数为0.46~0.71,组内相关分析一致性为0.39~0.57;外部测试集的Pearson相关系数为0.26~0.54,组内相关分析一致性为0.23~0.50。结论 本研究构建了一种性能较好的左心室分割和关键点检测模型,但初步应用该模型自动定量LVEF的效能一般,尚需进一步优化算法,提高模型泛化性。

人工智能冠状动脉CT血管成像在评估冠状动脉狭窄中的应用价值

目的探讨基于人工智能(AI)冠状动脉CT血管成像(CCTA)对冠状动脉狭窄的评估价值。方法回顾性分析180例拟诊为冠心病(CAD)患者并行CCTA及冠状动脉血管造影(ICA)检查的影像资料。采用上海杏脉公司CCTA-AI软件自动检测冠状动脉病变,以ICA为金标准,采用ROC曲线评估AI和医师对冠状动脉中、重度及以上诊断效能;采用Kappa一致性检验评价AI软件和医师对冠状动脉狭窄CAD-RADS分级及斑块性质的一致性。结果AI及医师评估冠状动脉中、重度及以上狭窄曲线下面积(AUC)分别为0.808、0.858和0.872、0.907,差异均无统计学意义(P>0.05)。AI与ICA及医师评估冠状动脉CAD-RADS分级的一致性均良好(Kappa值分别为0.643和0.808)。AI及医师评估斑块性质结果一致性良好(Kappa值为0.915,P<0.05)。结论AI对于冠状动脉病变的评估具有良好的诊断价值,可较好辅助临床诊断CAD。

基于人工智能全自动显微镜的HER2阳性乳腺癌诊断系统的构建与应用

目的:研究旨在针对目前病理科在人表皮生长因子受体2(Human epidermal growth factor receptor-2,HER2)阳性乳腺癌诊断中存在的问题,设计一套基于人工智能(artificial intelligence,AI)全自动显微镜的HER2阳性乳腺癌的诊断系统,提高诊断的准确率和工作效率。方法:设计和构建了一套基于AI的全自动显微镜的HER2阳性乳腺癌诊断系统。在硬件方面,设计和开发了自动扫描台、高速相机以及电动Z轴集成高分率光栅等,集成电动物镜切换、滤光片切换、预览相机、自动滴油装置等硬件模块,可同时支持扫描苏木精—伊红染色法(hematoxylin-eosin staining,HE)及荧光原位杂交技术(Fluorescence in situ hybridization,FISH)两类全景图像,可以实现人工智能全自动显微镜HER2乳腺癌辅助诊断一体机(简称一体机)多用途的应用。在软件方面,本课题组基于荧光显微镜拍摄的HER2基因FISH荧光染色照片,结合AI和深度学习(deep learning,DL)技术,以及传统计算机视觉处理方法,构建肿瘤细胞检测模型。此外,研究还基于HE染色组织病理图片对HER2阳性进行预测分析。根据在FISH荧光染色的HER2阳性细胞,在HE上进行定位,建立DL模型,提取大量特征进行判读。结果:该系统的信号寻找准确率、肿瘤细胞检测敏感性和特异性均较高,满足病理科实验室的工作需求,有助于提高工作效率。全面解决了现有检测方法存在的问题:显著提高了可重复性;显著降低了观察者间和观察者内变异。基于FISH图片,乳腺癌HER2基因信号自动计数准确率趋于100%;基于HE染色组织病理图片对HER2阳性进行预测分析奠定了较好的可行性基础。结论:该系统准确率、敏感性和特异性高,全面解决了目前病理科现有检测方法存在的问题。该系统在HER2型恶性肿瘤的诊断、对靶向药物治疗反应的预测以及对病理科医生的培训和教育等领域均具有广泛的应用价值。