基于超声影像大数据的先天性心脏病人工智能辅助诊断系统及应用研究

Congenital heart disease (CHD) is the most common birth defect and the leading cause of death in newborns and childhood in China. Early screening and accurate diagnosis is pivotal for reducing the health damage of CHD. Echocardiography is the most frequently used and cost-effective method in CHD screening. However, in primary hospitals, due to the lack of experienced technicians of CHD screening, some CHD may escape diagnosis or be misdiagnosed. In the preliminary work of this project, the ultrasound image big data combined with the artificial intelligence calculation model has been successfully used, and the four-chamber heart image is taken as the object to realize the intelligent recognition of the abnormal image. Based on more than 200,000 data of congenital heart disease, this project is to explore the application value of big data in medical field, and use artificial technology to automatic identification abnormal by analyzing and processing image data. Here, we aim to develop intelligent computer-aided diagnosis system of CHD by combining echocardiography images and artificial intelligence techniques. Enable data to drive the diagnosis of congenital heart disease and advance intelligent clinical decision making. Then we will apply this system to primary hospitals, and try to establish an integrated application platform of CHD screening and diagnosis, which will benefit the prevention and treatment of CHD.

先天性心脏病是我国最常见的出生缺陷类型，也是新生儿及儿童期死亡的首要病因。先心病的早期筛查和精确诊断对减少先心病危害至关重要。心脏超声是先心病筛查及诊断的最重要手段。然而在基层医院，由于筛查人员经验和数量不足，导致很多先心病漏诊和误诊。本项目的前期工作中已经成功利用超声图像大数据结合人工智能计算模型，以四腔心图像为对象，实现了对异常图像的智能识别。本项目拟以心脏超声先心病影像20余万数据为基础，挖掘大数据在先心病领域的应用价值，利用心脏超声影像大数据资源结合人工智能技术，通过对图像数据进行分析处理，实现对先心病图像的智能自动识别，开发基于超声影像的先天性心脏病人工智能辅助诊断系统，使数据驱动先心病的诊断，推进智能化临床决策。进而在基层医院进行辅助诊断系统的应用研究，探索构建先天性心脏病筛查诊断综合应用平台，提高先心病防治水平。

先天性心脏病（简称先心病）是我国排名首位的出生缺陷，其早期筛查和精确诊断对减少危害至关重要。心脏超声是先心病筛查及诊断的主要手段，但由于我国医疗资源分布不均衡，基层医院经验不足，仍有很多先心病患儿因漏误诊而错过最佳治疗时机，甚至危及生命。. 本研究以构建基于超声影像的先心病人工智能辅助诊断系统为目的。首先建立了超过3000人，20万数据的先心病超声影像数据库，对医学大数据进行科学管理。团队根据国内外指南及临床实践，提出利用5个标准切面，即胸骨旁左室长轴切面、胸骨旁大动脉短轴切面、心尖四腔心切面、剑突下双房切面以及胸骨上窝主动脉弓长轴切面完成对先心病的分类识别方法并申请专利。第二，在大数据的驱动下，利用超声影像与机器学习模型结合，建立了国际上首个基于超声二维影像的人工智能先心病辅助分类诊断系统。根据测试结果，当前模型在判断是否为先心病方面准确度为95.4％，在正常、VSD或ASD三分类诊断方面的准确度为92.3％。第三，为了更好的符合真实世界医疗场景，团队进一步建立基于5切面二维超声视频影像的深度聚合框架模型进行分类诊断，选用TCN网络建立二维视频模型，在判断是否为先心病方面准确度为93.9%，在正常、VSD或ASD三分类诊断方面的准确度为92.1%。第四，由于彩色多普勒影像可以提供比二维超声影像更多的有效信息，因此进一步对系统升级改造，构建了5个标准切面彩色多普勒影像和二维超声影像全融合模型，并取得了更好的分类效果：在判断是否为先心病以及在正常、VSD或ASD三分类诊断方面的准确度分别可达96.5%和93.1%。 . 本项目以超声影像为对象，以大数据管理为抓手，以机器学习代替长期经验积累，应用人工智能技术构建国际领先的先心病辅助诊断系统。为有效提高我国先心病早期诊断率及整体防治水平提供了智能化决策平台，有助于提高我国妇幼健康水平，综合提升我国人口素质，构建医疗健康领域引领国际的中国示范。

内容获取失败，请点击重试