CCI创新快讯 | 最新发布：AI 在几秒钟内创建准确的4D心脏扫描图像

研究人员开发并验证了一种新的人工智能 （AI） 模型，该模型能够在几秒钟内生成四腔心脏 MR （CMR） 图像，并将他们的研究结果发表在《European Radiology Experimental》上。 ^[1]

东英吉利大学（UEA）的心脏病学和影像学专家团队在谢菲尔德大学，利兹大学，诺福克和诺里奇大学医院NHS基金会信托基金和莱顿大学医学中心的专家的协助下领导了这项研究。该团队在4D MRI技术领域已经拥有丰富的经验。在这项最新分析中，首席研究员、东英吉利大学心血管医学副教授Pankaj Garg博士及其同事开发了一种 全自动深度学习算法 ，用于CMR图像的时间分辨分割。它根据来自800多名患者的数据进行训练，然后用另外101名患者的数据进行验证。验证队列的平均年龄为54岁，其中65%为男性。

总体而言，该小组发现，其新外观的人工智能模型提供了与训练有素的放射科医生的工作相当的四室评估，具有“最小的偏差”。

人工智能模型精确地确定了心脏腔室的大小和功能，并展示了与医生手动获得的结果相当的结果，但速度要快得多，与可能需要长达 45 分钟或更长时间的标准手动 MRI 分析不同，新的 AI 模型只需几秒钟。这种自动化技术可以提供快速可靠的心脏健康评估，并有可能加强患者护理。

自动四室和短轴分割方法的平均 LV 和 RV 体积随时间变化的定量结果。一个 使用标准心内膜和心外膜轮廓方法生成的短轴图像堆栈的 AI 轮廓。使用标准心内膜和心外膜轮廓方法生成的 AI 生成的四腔分割轮廓。c ：AI 生成的四室分割结果产生的 LV 和 RV 体积略低于真实值。d ：应用 14.56 mL 和 50.78 mL 校正因子和短轴分割结果后，自动四室平均 LV 和 RV 体积的定量结果随时间变化。

Garg等人指出，他们采取了具体措施来实现其低水平的偏差。例如，与真实短轴分析相比，他们的 AI 模型的初始版本低估了左心室和右心室容量。通过应用两个校正因子，这种“系统偏差”被最小化，从而实现更有效的CMR评估。

[1]. Hosamadin Assadi, Samer Alabed, Rui Li, et al. Development and validation of AI-derived segmentation of four-chamber cine cardiac magnetic resonance. European Radiology Experimental volume 8, Article number: 77 (2024).