(资料图)
小编发现不少朋友对于AI从心脏MR图像中收集重要的LV体积数据 这方面的信息都比较感兴趣，小编就针对 AI从心脏MR图像中收集重要的LV体积数据 整理了一些相关方面的信息 在这里分享给大家。
根据磁共振成像发表的一项新研究，机器学习(ML)算法可以评估心脏MR(CMR)图像并提供整个患者心动周期中左心室(LV)体积的准确测量值。
这组作者补充说，收缩末期和舒张末期左室容积通常是在CMR检查期间计算得出的，但整个心动周期期间并未监测数据。Goyal等。希望AI技术的进步能够改变这种做法，并以其他方式改善护理水平。
“迄今为止，大多数来自CMR图像的心脏参数都是通过手动测量获得的，包括依赖心内膜边界描记的腔室容积，”芝加哥医学大学的Neha Goyal及其同事写道。“自动识别心腔，然后进行准确的测量而不需要耗时和依赖经验的用户输入，将是临床心脏成像的主要发展。”
研究人员出于各种原因探索了来自21位接受临床CMR检查的患者的数据。虽然AI算法提供了CMR电影图像的LV时间-体积曲线，但经验丰富的阅读器会手动计算相同的测量值。然后比较由算法和经验丰富的专家确定的左室容积和排出/填充参数。
总体而言，作者发现时间-体积曲线“在两种技术的大小和形状上相似。” 就像人们可能期望的那样，使用AI技术可以更加有效地收集必要的数据。使用AI生成时间-体积曲线大约需要每位患者2.5分钟，而手动完成则大约需要43分钟。
作者写道：“这些发现表明，在不久的将来，将ML纳入CMR LV大小和功能的CMR分析的日常实践中可能是现实的期望。”
Goyal的团队确实注意到，在解释CMR图像时，成功训练AI算法比其他一些成像数据更具挑战性。
他们写道：“与通常需要对静态图像进行解释的胸部X射线照相甚至是计算机断层摄影不同，CMR图像是动态的，”他们写道。“因此，将人工智能和机器学习纳入CMR一直滞后。尽管如此，最近十年见证了为实现ML算法在CMR图像分析中的潜力而做出的巨大努力。”
关键词：
