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(fā)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(yī)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(fā)揮出人工智能的潛力，更好的促進其和醫(yī)學影像診斷做好結合，發(fā)揮出人工智能和醫(yī)學的潛力。基于此，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(fā)病率也呈現逐年遞增的趨勢。隨著人工智能技術的發(fā)展，怎樣做好人工智能技術和心臟醫(yī)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(fā)展進行了探究。

1 人工智能應用于醫(yī)學影像是大勢所趨

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

人工智能的優(yōu)勢體現在醫(yī)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(tài)，能夠顯著提升醫(yī)師閱片效率以及質量。人工智能技術還可以提取醫(yī)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(yī)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(yī)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(fā)展，大量的影像數據也隨之產生，在這一時期也需要充分發(fā)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(jié)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(fā)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(yī)學從業(yè)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(tài)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(qū)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(yī)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(yī)學影像的研究也在飛速的發(fā)展，但是實際發(fā)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(yī)療領域發(fā)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(yī)療水平和患者地區(qū)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(guī)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(yī)療資源的緊張問題也能夠得到緩解，臨床醫(yī)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(yī)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(yī)學放射學雜志，2019（05）：615-616.