機器學習CNN模型在心血管疾病診療中的臨床應用及研究進展

艾克力亞爾·艾尼瓦爾 馬翔，2

(1.新疆醫科大學研究生院，新疆 烏魯木齊830054； 2.新疆醫科大學第一附屬醫院，新疆 烏魯木齊 830054)

人工智能自20世紀60年代提出以來，發展迅速，機器學習作為實現人工智能的方法，用來解析和學習數據，通過算法完成數據整合任務。深度學習是目前最前沿的機器學習模型，其獨有的自動提取特征的特點，使人工算法為臨床所用。中國心血管疾病人群龐大，臨床醫生數量缺口大，往往無法滿足患者就醫需求，因此機器學習被應用到心血管疾病診療中。

1 機器學習

1.1 機器學習概述

機器學習近年來被廣泛應用在臨床診療中。深度學習屬于機器學習的一種，通過“黑匣子”[1]自動學習數據的特征和關系，在閱讀醫學圖像數據，診斷疾病及疾病危險分層等方面具有巨大潛力[2-3]。

機器學習通過組成簡單但非線性的模塊來獲得，每個模塊將一個層次的信息轉換為一個更高、稍微抽象的層次的表示。在臨床常應用的模型是卷積神經網絡(convolutional neural network，CNN)模型[4-5]，應用于X射線、CT、MRI和超聲心動圖等影像學檢查，也可用于心電圖的輔助診斷[6-9]。其識別圖像的基本步驟為：識別圖像特征，圖像分類，對圖像進行分割，評估圖像形態結構的測量和量化、識別圖像[10]。

1.2 CNN

CNN是一類指導學習網絡，可以自主感知輸入與輸出之間的映射關系，從而分析和處理數據[11]。為了建立CNN模型，需要收集大量臨床信息、影像學資料和隨訪資料，并根據資料特征分類。以影像學資料為例，在訓練過……