人工智能在心臟影像診斷中的研究進展

齊曉飛

【摘 要】隨著科技的發展，人工智能技術也成為很多人們關注的熱點問題，同時也廣泛的應用于醫療健康等領域，在心臟影像診斷范方面也有著廣泛的應用，應用前景也十分廣闊。當前，還需要進一步發揮出人工智能的潛力，更好的促進其和醫學影像診斷做好結合，發揮出人工智能和醫學的潛力?；诖?，文章對人工智能在心臟影像診斷中的研究進展進行了分析和探究。

【關鍵詞】人工智能;心臟影像診斷;研究進展

【中圖分類號】R816.2? ? ?【文獻識別碼】B【文章編號】1002-8714（2020）10-0294-02

引 言

心臟疾病的死亡率一直高居我國居民死亡率的榜首，同時發病率也呈現逐年遞增的趨勢。隨著人工智能技術的發展，怎樣做好人工智能技術和心臟醫學影像地結合，進一步做好心臟疾病的診治，也是當前以及未來研究的重點和難點。接下來文章就人工智能在心臟影像方面的應用與發展進行了探究。

1 人工智能應用于醫學影像是大勢所趨

當前，醫學影像數據已經逐漸達到了醫院數字化數據的90%。成像技術的進步，醫學影像的數據量也在持續增長。由于當前我國放射科醫師數量的增長同醫學影像數據增長的步伐不一致，短期內在基層單位醫療資源無法滿足實際發展現狀，與此同時，依靠人工智能，可以較好緩解醫學影像人才緊張現狀。

人工智能的優勢體現在醫學影像分析的精度和速度上，同傳統的工作方式相比，人工智能可以長時間進行工作，不會受外界因素干擾，時刻保持高效的工作狀態，能夠顯著提升醫師閱片效率以及質量。人工智能技術還可以提取醫學影像中一些人們肉眼難以感知的高維信息，依靠建立從高維量化信息到臨床結果的數學關系，可以將醫學影像的分析從診斷擴展到治療決策、預后預測等工作上。像某些心臟手術，人工智能能夠在術前評估治療效果，提供是否手術、如何手術的治療建議。利用人工智能技術，醫學影像的價值也獲得了體現，臨床診療工作中也會獲得良好的效用。

2 人工智能在心臟影像診斷與預警中的應用

心臟疾病嚴重圍危害人的健康，做好心臟疾病的診療具有非常重要的意義。隨著心血管影像技術的快速發展，大量的影像數據也隨之產生，在這一時期也需要充分發揮心血管影像的潛能與價值。將影像和人工智能技術更好的集合，這樣不光能夠有效節約檢查時間，促進診斷的準確性的提升，還可以在疾病預后判斷和危險分層中，發揮出更大的作用，具體主要應用于以下領域。

2.1減少心臟影像圖像重建時間。

怎樣有效縮短影像學檢查時間，尤其是心臟MR檢查時間，一直是困擾著很多醫學從業人員，應用人工智能技術，從低采樣數據中精確重構出信號，能夠有效減少成像時間。另外，通過人工智能深度學習，也能夠可有效減少磁共振成像時間。這樣能夠有效縮短心臟影像圖像重建時間，同時獲得高質量心臟圖像。深度學習模型能夠在較短時間內重建完成每個完整的動態序列，真正做到實時成像。

2.2準確快速地進行圖像分割與計算

當前我們所獲得的二維表面圖像主要是CT和MRI，若是想要得到三維圖像和功能學數據，依靠最先進的軟件，也比較費工費時，準確性也難以保障。人工智能的運用就能夠有效提升心內膜分割精度，依靠全自動分割2D和3D電影圖像中的心內膜，心臟影像的自動測量就能夠更好的的實現，另外可以進行射血分數計算還有區域運動的評估，這一方法用時比較短，10s之內就能夠完成，大部分的患者都可以運用該方式。

2.3心血管疾病的診斷

人工智能模型也能夠依靠提取心臟影像特征，進一步做好疾病的診斷和鑒別。像人工智能可以幫助鑒別診斷縮窄性心包炎、限制性心肌病等疾病，還能夠輔助識別運動員生理性肥大、肥厚型心肌病，診斷敏感度還有特異度都比較高。該技術還可以在未觀察患者冠狀動脈解剖結構的前提下，自動識別患者冠狀動脈CT血管造影圖像中局部心肌異常，輔助推斷出冠狀動脈的功能性狹窄，這樣不必要的侵入性血流儲備分數（FFR）檢查也就可以不用再做了。

2.4心血管疾病預后評估。

當前階段，對患者進行預后評估，多是針對有限的臨床及影像學參數進行的，依靠訓練和學習，人工智能能夠為醫療工作者提供更多、更復雜的變量，有助于最終模型的構建。能夠進一步做好心血管疾病的愈后評估工作。

3 人工智能的不足和完善

當前人工智能結合醫學影像的研究也在飛速的發展，但是實際發展過程中，在臨床應用上還存在多種問題需進一步改善。首先，很多高質量的數據獲得比較困難。其次，當前大部分研究機構在進行研究的過程中，都是基于自己的數據庫去做模型訓練以及驗證工作的，模型的泛化能力也有所局限。另外，模型預測結果的準確性難以有保證，這是判斷其是否可以應用到臨床的關鍵所在，所以當前也需要注重適合特定臨床問題的模型算法的研究，之后提升預測性。人工智能技術應用于醫療領域發展的倫理、法律方面等問題，還有很多值得商榷的地方。最后，人工智能模型的可解釋性還需要做好重點探究。這樣人們才能夠更加信任模型。

另外，還有一部分因素起到限制作用。首先，人工智能模型訓練同時做好深度學習，需要龐大的數據支撐。其次，心血管影像尤其是MR圖像，掃描過程中也會受到心臟搏動的影響，獲得低質量的圖像，醫療水平和患者地區分布存在差異的影響，心血管方面的數據很難完全達到可分析水平，以上多種因素，當前階段心臟影像和人工智能技術的結合還有很長的路要走。

4 結語

綜上所述，人工智能在心臟影像診斷中應用具有十分重要的意義，未來還需做好進一步探究。當前在臨床大規模應用人工智能影像技術還面臨著多重阻礙，與此同時在人工智能影像分析的輔助下，義務工作人員的工作負擔能夠得到有效緩解，醫療資源的緊張問題也能夠得到緩解，臨床醫師在其輔助之下，也可以做出更好的臨床決策，廣大患者也能夠最終獲益，因此在未來還需不斷做好探究工作。

參考文獻

[1]李睿，趙世華.心血管影像人工智能的研究進展[J].磁共振成像，2019（07）：551-555.

[2]張佳，孫凱.人工智能深度學習在心血管影像診斷中的研究進展[J].中國醫學裝備，2020（04）：183-186.

[3]王勝軍.基于心臟CTA體數據的冠脈計算機輔助診斷系統核心技術研究與實現[D].東北大學，2011.

[4]宣敏.基于機器學習的冠狀動脈CT血管成像上的冠狀動脈病變特征評分[J]. K.M.Johnson，H.E.Johnson，Y.Zhao，D.A.Dowe，L.H.Staib，國際醫學放射學雜志，2019（05）：615-616.