超声影像组学助力左心室肥厚病因鉴别
2021-06-17余其徽马雨琴夏良华
余其徽,俞 霏,马雨琴,夏良华,张 波,张 麒
(1.上海先进通信与数据科学研究院(上海大学),上海 200444;2.上海大学通信与信息工程学院,上海 200444;3.同济大学附属东方医院超声科,上海 200120;4.上海市医疗图像与医学知识图谱人工智能重点实验室,上海 200051)
0 引言
高血压性心脏病(hypertensive heart disease,HHD)、肥厚型心肌病(hypertrophic cardio myopathy,HCM)、尿毒症性心肌病(uremic cardiomyopathy,UCM)是左心室肥厚(left ventricular hypertrophy,LVH)的主要病因[1-2]。胸超声心动图(transthoracic echocardiography,TTE)可以通过特定的形态学特征对部分LVH病因进行诊断[3]。但在其他许多具有非特异性特征的病例中,肥厚原因的鉴别仍具有很大的挑战性[4-5]。因此,临床亟需一种可广泛应用的新技术,揭示真正的病因,辅助医生进行临床决策。
近年来,人工智能在心血管影像分析中的应用颇受关注[6-8]。假设不同病因导致的LVH组织学改变的差异将导致不同的心肌纹理,计算机在捕捉这些细微影像差异方面通常优于人类肉眼观察。本研究回顾性地分析了HHD、HCM和UCM患者的超声心动图像,提取并分析多组心肌纹理特征,以辅助鉴别LVH病因。
1 材料和方法
首先,采集HHD、HCM和UCM患者的超声心动图像,并进行感兴趣区域(region of interest,ROI)处理。然后,用计算机提取ROI的两类纹理特征,并对这些特征进行统计学分析。接着,通过阈值法分类,以期发现临床上单个分类能力较好的显著特征。使用支持向量机(support vector machine,SVM)算法探讨所有显著特征的整体分类能力。
HHD、HCM和UCM患者的超声心动图分析流程如图1所示。

图1 超声心动图分析流程图
1.1 图像采集和ROI处理
本文研究的超声心动图像来自上海东方医院超声科,共获得75例左心室肥厚患者的TTE资料。……
