武玉多 贡 鸣 谷孝艳 张宏家 何怡华

超声是一种无创、经济、操作简便的实时成像技术，但其具有成像质量差、差异性大等不足，因此，很有必要开发先进的自动化超声图像分析方法以帮助临床进行超声诊断。机器学习是一种智能化处理、解决问题的程序化模式，即让计算机软件系统根据数据自主进行学习，经过机器学习和训练过程后，将临床工作中需要处理的数据资料提供给经过训练的计算机系统，然后通过机器自行处理、分析数据并获取结果［1］。深度学习是将机器学习发展为一种极致，甚至是巅峰状态，其处理问题的方式类似于人类大脑的思考过程，能够从容处理复杂多样的信息资源并进行决策分析，提供所需要的信息处理结果［2］。近年来机器学习在疾病诊断和预后评价等方面均取得了极大成功。本文就机器学习在心脏超声领域中的应用进展进行综述。

一、机器学习的内容

机器学习大体上可以分为监督学习、无监督学习、半监督学习和强化学习4类［3］。其中，监督学习是最经典且应用最广泛的一种模式，研究者首先需确定研究目的和内容，然后将其提供给机器进行学习。如将对心内膜边界的自动识别和标记作为研究目的和内容，在对机器进行训练之后，使其拥有对心内膜边界的识别能力，对训练好的模型进行测试过程，就可以实现自动化描迹的过程。无监督学习是指研究者无需确定具体训练内容（即研究……