基于人工智能的儿童心脏超声标准切面扫查规范化培训系统的研发与应用
先天性心脏病(Congenital heart disease,CHD)是最常见的出生缺陷,在活产儿中的发病率约为0.9%,是0~5岁儿童死亡的主要原因。我国每年大约有15万左右的新生儿被诊断为先天性心脏病,其中12万例左右需要接受治疗。如未能及时治疗,大约1/3在出生后1年内因严重并发症死亡,因此,早期准确诊断先天性心脏病具有重要的临床意义。经胸超声心动图(Transthoracic echocardiography,TTE)可以对心脏实时和动态观察,具有无创、无辐射和低成本等优势,可以快速检测出心脏的各种异常,在心血管疾病的诊断和治疗中十分重要。TTE主要包括标准切面获取、动态图像扫描和测量等步骤,其中,准确获取标准切面是后续生物特征测量和最终诊断先天性心脏病的先决条件。然而,心脏的解剖结构和空间构型复杂多变,通过TTE进行准确诊断复杂而费时,而且严重依赖有经验的心脏病专家对每个超声心动图切面的准确判断。根据美国超声心动图学会的建议,采用标准成像技术进行二维、M型和彩色多普勒超声心动图检查。这意味着图像是按照相同的协议以可重复的方式获得的。事实上,图像需要在一个特定的平面上获得,才能对诊断有帮助,减少观察者之间和观察者内部的差异,对特定结构进行测量。因此,应用自动智能识别儿童心脏超声标准切面的深度学习技术是非常必要的,可为智能诊断先天性心脏病奠定基础,还可作为基层医疗机构心脏超声医师进行切面扫查的规范化培训。
深度学习是当前先进主流的人工智能技术,将深度学习技术应用于儿童心脏超声标准切面扫查规范化培训中,来帮助和培训心脏超声科医生是一项非常有临床价值的研究。本课题拟研发一套用于儿童心脏超声标准切面扫查规范化培训系统。