人工智能在心血管影像中的应用方向

人工智能(artificial intelligence，AI)描述了一种计算程序，它可以执行具有人类智能特征的任务，在医学方面的应用主要包括智能诊疗、影像识别、药物研发及医疗机器人方面[1]。数据的增多、计算能力的提高促进了人工智能在医疗领域的应用和开发[2]。2020年，人工智能的研究呈爆发性增长，应用于心血管医学影像的各个领域，包括心脏彩超、心脏计算机断层成像(computed tomography，CT)，心脏磁共振成像(magnetic resonance imaging，MRI)及心脏核素显像等[3]。人工智能能够辅助临床医生决策，提升自动化效率，简化工作流程及提高现有仪器的诊断准确性。笔者就人工智能在心血管影像诊断方面的研究现状做一综述。

1 人工智能概述

人工智能的概念诞生于1956年，是计算机科学的一个分支，通俗的说，人工智能是指机器模拟人的意识和思维，它具有通过学习输入的数据来实现特定的目的和任务的能力。人工智能的核心要素是：数据、算法及计算力。数据是实现人工智能的基础，机器学习能够通过对数据的积累做出更加准确的决策，其会采用多样化的建模方式(算法)去处理不同的数据。人工智能算法基于这种不同的建模方式，又能分为神经网络算法与传统机器学习，而传统机器学习又被细分为强化学习、非监督式学习、半监督式学习、监督式学习。算法是一组机械计算机可以执行的明确指令，算法的有效性决定了人工智能的智能程度。人工智能数据越多、算法越复杂，需要的计算力就越大，所以传统人工智能受制于计算能力，而芯片是运算能力的核心，运算能力提升依赖于科学技术的发展，同时也是人工智能发展的前提保障。

随着社会生产力的提高，心血管疾病已成为世界上死亡率最高的疾病，而在中国，心血管疾病患者也越来越多，大量的数据促进了人工智能在心血管疾病诊断中的应用。人工智能可以大大地简化诊疗的工作流程，提升医生诊断的速度、效率和准确性。

2 人工智能在心血管影像中的应用

2.1 心脏超声成像

人工智能在超声心动图中的应用还处于相对早期的阶段，目前应用于超声图像采集、识别、心功能的自动量化、疾病的自动评估等。

超声图像采集是一项专业性很强的技术，但有研究报道人工智能可以指导心脏超声波图像的采集，只要在系统里输入患者身高、体质量和性别等信息，人工智能就能引导操作者采集最佳图像，该研究结显示通过人工智能获得高质量的超声图像的概率在90%以上，也为其他器官的图像采集提供了新思路[4]。准确的图像自动识别和分类是诊断的基础，Khamis等[5]利用多阶段分类算法识别心尖两腔、心尖四腔和心尖长轴图像，其准确率分别为97%、91%和97%，平均识别率为95%。该算法中的时空特征提取技术可以获得更高的识别精度，优于传统的空间处理方法。另有研究表明深度金字塔局部注意神经网络分割方法性能更好[6]，他提出的金字塔局部注意模块和标签一致性学习机制解决了获取上下文特征难和进行单个像素分类预测时标签不一致的问题。

Genovese等[7]开发了基于机器学习的全自动三维量化右心室大小和功能的软件，但研究显示三分之二患者还需进行心内膜轮廓编辑才能正确诊断，这种方法为快速定量右心室体积提供了一种有前景的解决方案，但心内膜边界自动识别的问题还有待优化。此外还有算法快速测量左心房和左心室容积，准确分析射血、充盈参数[8]。目前用来评价超声心动图图像质量的人工智能工具软件提示心内膜边界轮廓指数影响心尖四腔视图的分类可信度[9]。2020年人工智能在超声方面有一重大进展，Ouyang等[10]通过结合神经网络中时间和空间信息的特定回声网络-动态算法来准确分割左心室、估计射血分数和识别心肌病。该算法不再拘泥于静止图像的分割而是基于视频分割，并且诊断准确性高，可重复性好，为未来实现实时心血管疾病精确诊断提供了有效支撑。

医生非常依赖简单易行的超声心动图来指导患者诊疗。人工智能引导的超声心动图图像采集技术还需要进一步检验，往后随着这一技术的成熟，人工智能将提高患者护理的效率。人工智能心脏超声分割、识别技术较为成熟，但在右心室大小和功能量化方面仍存在不足，人工智能在心脏超声疾病诊断多见于常见病多发病，未来有望应用于更多疾病的诊断。

2.2 心脏MRI

心脏MRI是心血管疾病非侵入性评估的重要工具。人工智能在心脏MRI中的应用包括图像重建、分割、心血管疾病诊断和预测预后等。ASP站长网

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!