机器学习在超声心动图中的应用进展

2021-03-06 01:51:08沈文茜杜国庆
心血管病学进展 2021年1期
关键词:监督测量模型

沈文茜 杜国庆

(哈尔滨医科大学附属第二医院超声医学科,黑龙江 哈尔滨 150086)

由于超声心动图是唯一允许对心脏实时和动态观察,即刻检测出心脏各种异常的成像方式,所以在心血管疾病的诊断和治疗中起着至关重要的作用[1]。心脏结构和功能的准确定量评估是临床诊断和制定合理治疗方案的基础,但基于主观评价的二维超声心动图的定量和诊断容易出错,主要问题是操作者的手法以及对超声心动图的解读,操作者之间存在相当大的差异,尤其对于质量较差的图像[2]。尽管人工智能20世纪50年代就已出现,但直到最近,人们才对人工智能在医学成像中的应用产生浓厚的兴趣和研究,机器学习(machine learning,ML)是人工智能的一个子领域,ML模型可通过对海量超声心动图图像的回顾来“学习”图像中不同的特征代表什么,然后来识别新的图像,量化感兴趣区域或识别特定疾病模式等[3]。在ML模型的辅助诊断下,可减少操作者之间和操作者内部的差异,从而提高诊断的准确性,并提供额外的人眼无法察觉的信息[4]。因此,ML模型有望成为快速和准确地评估心血管结构和功能的工具。现对ML在超声心动图中的应用进展做一综述。

1 ML

ML是一门以数学和计算机科学为基础的广泛学科,它可通过复杂的计算和统计算法“教会”计算机快速、准确和高效地分析大量数据,这些算法从现有的数据集中推断关系,并了解其中哪些关系具有最高的预测能力。利用这些知识ML模型就能对新的数据进行预测。……

登录APP查看全文

猜你喜欢
监督测量模型
一半模型
突出“四个注重” 预算监督显实效
人大建设(2020年4期)2020-09-21 03:39:12
重尾非线性自回归模型自加权M-估计的渐近分布
监督见成效 旧貌换新颜
人大建设(2017年2期)2017-07-21 10:59:25
夯实监督之基
人大建设(2017年9期)2017-02-03 02:53:31
3D打印中的模型分割与打包
测量
监督宜“补”不宜“比”
浙江人大(2014年4期)2014-03-20 16:20:16