阜外医院吕滨团队国内率先发表人工智能心血管影像学研究（深度学习自动测量心胸比率准确,测量时间从25,26秒缩至0,69秒）

来源: Zhennan Li, Zhihui Hou, Chen Chen, et al. Automatic Cardiothoracic Ratio Calculation With Deep Learning. IEEE Access, 2019, 7: 37749-37756.

心胸比率测量

研究共收集5000例患者的5000张X线胸片，并随机分为两部分，4000张（80％）用于建模，1000张（20％）用于验证。另收集500张X线片用来评估模型的心胸比计算结果。

该研究应用基于U-Net全卷积神经网络的算法，自动化分割X线胸片的心肺组织，提取左肺、右肺及心脏区域轮廓，选定感兴趣点，进而自动化测量心胸比率。

研究发现，与传统的人工心胸比率测量方法相比，深度学习自动化测量的准确性与之相当，但是平均每一例心胸比率的测量时间从25.26秒缩短到0.69秒，节省了时间，也避免了人工测量可重复性相对较差的问题。

近日，该团队发表的一项研究表明，深度学习技术可成功应用于X线胸片心胸比率的自动化测量，这是我国第一篇该领域的研究成果。

阜外医院放射影像中心吕滨教授团队，在国内率先开启了人工智能在心血管影像中的应用研究。

据悉，吕滨教授团队将立足于阜外医院的平台，继续致力于心血管影像人工智能的研究，包括冠状动脉CT及大血管CT的自动化诊断等，全面挖掘人工智能在心血管影像领域的巨大潜力，实现“机器”更好地为人类服务的宗旨。

图 研究的流程图

作者认为，该研究以胸部X线平片为切入点，开启了人工智能技术在心血管影像领域应用的先河。

近年来人工智能开始被应用于医学领域，尤其应用于医学影像大数据的分析处理，显示了极为高效而准确的效果。人工智能在医学影像领域的应用也日益受到重视，在心血管影像领域也得以快速发展。

同时，该方法的准确性在测试样本中得到了充分的验证，为实现深度学习技术全面用于X线胸片的自动化诊断奠定了基础。