人工智能，为心脏超声的效率和准确率赋能

人工智能（AI）正在影响着人类生活的方方面面，当代医疗模式也发生了较大的改变。近年来，基于对疾病辅助诊疗和防治的信息化及便捷化的极大需求，AI逐渐应用于医学领域，包括对相关疾病的影像结果进行智能识别。

近日，厦门市中医院开展了一项调查研究，通过检索文献分析了AI技术在超声心动图检查设备中应用的现状、趋势和热点。结果显示，在AI领域论文发布数量最多的国家是中国及美国；研究趋势的早期在于探索如何将人工智能技术应用于超声心动图的识别，即如何将图像的特征与对应的诊断进行关联，后来即通过开发相应的算法对二维超声心动图的各种视图进行识别。

心脏超声的原理及缺陷

超声波成像的原理是根据反射回来的超声波波形确定不同组织的边界。超声波在不同介质中传播时会产生波形的转换，人体作为非均匀介质，由骨骼、空气、体液、肌肉组织等不同成分组成。超声波在非均匀性组织内传播或从一种组织传播到另一种组织时，由于两种介质中阻抗不同形成声学界面，在界面上形成反射和透射，根据反射回来的超声波可以确定不同组织的边界。通常医学超声频率在200KHz至40MHz之间，频率越高的声波分辨率越好。超声波检测技术又分为回波扫描的超声探测技术和基于多普勒效应的超声探测技术。

超声心动图检查是心脏成像中唯一的实时成像方式，且具有经济、快捷、无创、无辐射等优点，是心血管疾病诊断和治疗不可或缺的重要检查方法。但是，超声心动图检查仍存在一定局限性，如操作者经验依赖性强，观察者间及观察者内检查结果差异性大等，而人工智能的应用或将克服上述局限性。

AI辅助提高医生对于超声影像采集效率与准确率有重要的应用价值，有望解决诊断质量和数量的行业痛点。AI赋能的超声检查有可能进一步加速医疗超声在各种临床环境中的使用，并被医务人员广泛使用。人工智能在超声检查中的应用可以帮助医生对患者进行诊断和分流。

AI在超声心动图中的应用

1. AI用于图像识别和分类

图像质量是所有影像学检查的基础，相较于其他成像方式，超声更多依赖于操作者的经验。欧洲超声心动图学会认为初学者至少需要完成350次经胸超声心动图检查（TTE），其检查质量才能达标，这要求初学者必须进行长期的重复性训练。而人工智能通过模型训练可以自动识别图像并分类，指导操作者校正探头角度，获取标准切面，显著缩短检查质量达标时间。

Østvik等使用卷积神经网络模型对7000多张超声图像进行识别，发现其对单帧二维图像的识别准确性为98.3%，每帧图像耗时4.4毫秒，可基本实现图像的实时分类。

此外，对于常用诊断切面，如心尖系列切面、胸骨旁 系列切面及胸骨上窝切面等均可准确识别，而日常工作中使用较少的肋骨下缘切面因样本量较少无法有效训练和评估。另有研究团队用类似的方法对20多万张超声图像进行训练，结果可以识别15种左心室切面，准确性为91.7%。除B型超声图像，其对于M型超声和频谱多普勒超声图像也有较高的识别准确性。 

深度学习由于计算方法和神经网络的独特性，可以克服机器学习计算能力不足和样本量小的问题，从更复杂、多维的数据中发现规律，比传统的机器学习在识别能力上更有优势。尤其是卷积神经网络，通过反复的卷积和池化步骤，能最大化提取图像特征，识别图像内容，是近几年人工智能在医学影像领域中应用的新方法。

2. AI用于图像分割

左心室的图像分割对于量化评估左心室功能非常重要，是测量左心室容积、左心室射血分数 （LVEF），评估室壁运动及心肌收缩功能的前提。随着三维超声成像和人工智能技术的发展，图像分割经历了从二维图像向三维图像、机器学习向深度学习、单一模型向多种模型联合应用、人工描记到半自动甚至是全自动描记的变化，显著减少了人工描记所耗时间，降低人为干预程度，提高了左心室功能测量的准确性和可重复性。

2020年人工智能在超声方面有一重大进展，Ouyang等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供了有效支撑。

总结

人工智能通过整合大量信息，在诊断成像中发挥着至关重要的作用，可以提高超声心动图检查的速度、准确性、再现性及可重复性，降低医疗成本。未来，AI将成为临床医生的重要辅助工具，帮助医生更准确、更快速地作出分析和判断。

参考资料

1. 刘梦怡,吴伟春.人工智能在超声心动图中的应用现状及进展[J].中华医学超声杂志(电子版),2021,18(02):216-219.

2. 张浩,常建东.基于文献计量方法的人工智能在超声心动图中的应用进展研究[J].中国医疗设备,2023,38(01):127-133.

3. AI医疗深度：便携超声+专科应用场景落地，AI布局画龙点睛. 幻影视界库, 2023-07-23.

免责声明：本文所提供内容仅供交流学习使用，不涉及商业盈利目的。如涉及版权问题，请联系本站管理员予以更改或删除。

排版/编辑：医心编辑部

打赏