人工智能在心脏影像诊断中的研究进展

齐晓飞

【摘 要】随着科技的发展，人工智能技术也成为很多人们关注的热点问题，同时也广泛的应用于医疗健康等领域，在心脏影像诊断范方面也有着广泛的应用，应用前景也十分广阔。当前，还需要进一步发挥出人工智能的潜力，更好的促进其和医学影像诊断做好结合，发挥出人工智能和医学的潜力。基于此，文章对人工智能在心脏影像诊断中的研究进展进行了分析和探究。

【关键词】人工智能;心脏影像诊断;研究进展

【中图分类号】R816.2     【文献识别码】B【文章编号】1002-8714（2020）10-0294-02

引 言

心脏疾病的死亡率一直高居我国居民死亡率的榜首，同时发病率也呈现逐年递增的趋势。随着人工智能技术的发展，怎样做好人工智能技术和心脏医学影像地结合，进一步做好心脏疾病的诊治，也是当前以及未来研究的重点和难点。接下来文章就人工智能在心脏影像方面的应用与发展进行了探究。

1 人工智能应用于医学影像是大势所趋

当前，医学影像数据已经逐渐达到了医院数字化数据的90%。成像技术的进步，医学影像的数据量也在持续增长。由于当前我国放射科医师数量的增长同医学影像数据增长的步伐不一致，短期内在基层单位医疗资源无法满足实际发展现状，与此同时，依靠人工智能，可以较好缓解医学影像人才紧张现状。

人工智能的优势体现在医学影像分析的精度和速度上，同传统的工作方式相比，人工智能可以长时间进行工作，不会受外界因素干扰，时刻保持高效的工作状态，能够显著提升医师阅片效率以及质量。人工智能技术还可以提取医学影像中一些人们肉眼难以感知的高维信息，依靠建立从高维量化信息到临床结果的数学关系，可以将医学影像的分析从诊断扩展到治疗决策、预后预测等工作上。像某些心脏手术，人工智能能够在术前评估治疗效果，提供是否手术、如何手术的治疗建议。利用人工智能技术，医学影像的价值也获得了体现，临床诊疗工作中也会获得良好的效用。

2 人工智能在心脏影像诊断与预警中的应用

心脏疾病严重围危害人的健康，做好心脏疾病的诊疗具有非常重要的意义。随着心血管影像技术的快速发展，大量的影像数据也随之产生，在这一时期也需要充分发挥心血管影像的潜能与价值。将影像和人工智能技术更好的集合，这样不光能够有效节约检查时间，促进诊断的准确性的提升，还可以在疾病预后判断和危险分层中，发挥出更大的作用，具体主要应用于以下领域。

2.1减少心脏影像图像重建时间。

怎样有效缩短影像学检查时间，尤其是心脏MR检查时间，一直是困扰着很多医学从业人员，应用人工智能技术，从低采样数据中精确重构出信号，能够有效减少成像时间。另外，通过人工智能深度学习，也能够可有效减少磁共振成像时间。这样能够有效缩短心脏影像图像重建时间，同时获得高质量心脏图像。深度学习模型能够在较短时间内重建完成每个完整的动态序列，真正做到实时成像。

2.2准确快速地进行图像分割与计算

当前我们所获得的二维表面图像主要是CT和MRI，若是想要得到三维图像和功能学数据，依靠最先进的软件，也比较费工费时，准确性也难以保障。人工智能的运用就能够有效提升心内膜分割精度，依靠全自动分割2D和3D电影图像中的心内膜，心脏影像的自动测量就能够更好的的实现，另外可以进行射血分数计算还有区域运动的评估，这一方法用时比较短，10s之内就能够完成，大部分的患者都可以运用该方式。

2.3心血管疾病的诊断

人工智能模型也能够依靠提取心脏影像特征，进一步做好疾病的诊断和鉴别。像人工智能可以帮助鉴别诊断缩窄性心包炎、限制性心肌病等疾病，还能够辅助识别运动员生理性肥大、肥厚型心肌病，诊断敏感度还有特异度都比较高。该技术还可以在未观察患者冠状动脉解剖结构的前提下，自动识别患者冠状动脉CT血管造影图像中局部心肌异常，辅助推断出冠状动脉的功能性狭窄，这样不必要的侵入性血流储备分数（FFR）检查也就可以不用再做了。

2.4心血管疾病预后评估。

当前阶段，对患者进行预后评估，多是针对有限的临床及影像学参数进行的，依靠训练和学习，人工智能能够为医疗工作者提供更多、更复杂的变量，有助于最终模型的构建。能够进一步做好心血管疾病的愈后评估工作。

3 人工智能的不足和完善

当前人工智能结合医学影像的研究也在飞速的发展，但是实际发展过程中，在临床应用上还存在多种问题需进一步改善。首先，很多高质量的数据获得比较困难。其次，当前大部分研究机构在进行研究的过程中，都是基于自己的数据库去做模型训练以及验证工作的，模型的泛化能力也有所局限。另外，模型预测结果的准确性难以有保证，这是判断其是否可以应用到临床的关键所在，所以当前也需要注重适合特定临床问题的模型算法的研究，之后提升预测性。人工智能技术应用于医疗领域发展的伦理、法律方面等问题，还有很多值得商榷的地方。最后，人工智能模型的可解释性还需要做好重点探究。这样人们才能够更加信任模型。

另外，还有一部分因素起到限制作用。首先，人工智能模型训练同时做好深度学习，需要庞大的数据支撑。其次，心血管影像尤其是MR图像，扫描过程中也会受到心脏搏动的影响，获得低质量的图像，医疗水平和患者地区分布存在差异的影响，心血管方面的数据很难完全达到可分析水平，以上多种因素，当前阶段心脏影像和人工智能技术的结合还有很长的路要走。

4 结语

综上所述，人工智能在心脏影像诊断中应用具有十分重要的意义，未来还需做好进一步探究。当前在临床大规模应用人工智能影像技术还面临着多重阻碍，与此同时在人工智能影像分析的辅助下，义务工作人员的工作负担能够得到有效缓解，医疗资源的紧张问题也能够得到缓解，临床医师在其辅助之下，也可以做出更好的临床决策，广大患者也能够最终获益，因此在未来还需不断做好探究工作。

参考文献

[1]李睿，趙世华.心血管影像人工智能的研究进展[J].磁共振成像，2019（07）：551-555.

[2]张佳，孙凯.人工智能深度学习在心血管影像诊断中的研究进展[J].中国医学装备，2020（04）：183-186.

[3]王胜军.基于心脏CTA体数据的冠脉计算机辅助诊断系统核心技术研究与实现[D].东北大学，2011.

[4]宣敏.基于机器学习的冠状动脉CT血管成像上的冠状动脉病变特征评分[J]. K.M.Johnson，H.E.Johnson，Y.Zhao，D.A.Dowe，L.H.Staib，国际医学放射学杂志，2019（05）：615-616.