AI在分析心脏扫描时比人类更快，更有效

根据UC旧金山研究人员的一项研究，一种被称为先进机器学习的人工智慧可以从心脏超声测试的基本视图，比董事会认证的超声心动图者更快，更准确，更准确，更准确地进行数据。

在2018年3月21日在线出现在线，在JOURICHNPJ数码医学，研究人员使用了超过180,000个真实的超声心动图（echo）图像来训练计算机来评估最常见的超声心动图视图，然后测试了计算机和技术人员在新样本上。他们发现，计算机准确评估了回报视频91.7-97.8％的时间，而他们的人为同行的70.2-83.5％。

“这些结果表明我们的方法可用于帮助超声心动图者提高其准确性，效率和工作流程，也可以为超声心动图数据提供更好分析的基础，”UCSF卫生医师和助理教授的高级作者Rima Arnaout，MD说ucsf心脏病学分行。

成像是医学诊断的重要组成部分，但解释超声心动图的医学图像是一个复杂的，时间 - 密集的过程，通常需要广泛的培训。回声由许多视频剪辑组成，静止图像和心脏记录从十几个不同的角度或“视图”测量，其中几个可能只有微妙的差异。人类解释限制了准确和标准化的分析，从而限制了从其完整的临床和研究潜力进行精密药物的回声。

深度学习是一种强大的多层的先进机器学习形式，已经证明了基于图像的放射学，病理，皮肤病学和其他领域的图像诊断。然而，它尚未广泛应用于超声心动图，部分原因是由于其多视图的复杂性，多种方式格式。

在NPJ数字医学研究中，ARNAOUT和她的同事们使用了223,787张来自20-96岁的UCSF医疗中心患者的223,787张图片，从2000 - 2017年获得。随机选择的现实世界回声图像来自多个设备制造商，并涵盖了各种回声指示，技术品质和患者变量，包括性和体重。

研究人员建立了一个多层神经网络，并使用监督学习，同时分类15个标准视图。他们随机选择了80％的图像（180,294）进行培训，保留了20％（43,493）的验证和测试。为了性能比较，参与该研究的每个板认证的超声心动从1,500个随机选择的图像，从每个视图提供100，从给予模型的相同测试集中。

总体而言，计算机从12个视频视图中分类图像，准确性为97.8％，Arnaout表示。即使在单一的低分辨率图像上，高位为60.7％的观看的准确性也为70.2-83.5％。额外的分析显示，该模型在相关的视图中找到了可识别的相似性，并使用临床相关图像特征进行分类。

除了这些发现之外，研究人员还了解到，通过去除颜色和标准化视频的尺寸和形状和仍然训练的图像，可以减少图像大小的图像，而不会丢失其准确性，允许更少的存储空间和更容易的传输。

“我们的模型可以扩大，以分类超声心动图视图的额外子类别，以及对研究的基础效用的疾病，用于临床实践，以及培训下一代超声心动图者的疾病，”Arnaout说。

---

---