超声影像组学助力左心室肥厚病因鉴别.pdfVIP

第42卷第5期自动化仪表V〇1.42No.5

2021年5月PROCESSAUTOMATIONINSTRUMENTATIONMay.2021

超声影像组学助力左心室肥厚病因鉴别

余其徽u，俞霏3，马雨琴3，夏良华3，张波3，张麒，2,4

(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)

摘要:左心室肥厚（LVH)是一种常见的、与不良心血管事件相关的临床表现,仅根据超声心动图对病变形态的检测结果，难以满足

快速准确的LVH病因鉴别需求。随着人工智能的快速发展，许多学者在医学影像领域取得了一定的进展。基于超声心动图的影像学

分析，对高血压性心脏病（HHD)、肥厚性心肌病（HCM)、尿毒症性心肌病（UCM)三组LVH病因进行研究。研究提取了75例LVH患

者的心肌纹理特征，接着对特征进行统计分析，并用于阈值法分类和支持向量机（SVM)分类。结果表明，Contrast能显著区分HHD,

HCM和UCM(p=0.002)。在SVM模型中，区分HHD、HCM组和UCM组时，曲线下面积（AUC)为0.910。区分HHD组和HCM组时，

AUC为0.857。因此,该方法有助于LVH病因的临床鉴别，从而有望为医生的治疗决策提供更好的建议。

关键词：左心室肥厚；超声心动图；影像学分析；病因鉴别；模式识别；纹理；计算机辅助分析；人工智能

中图分类号：TH-77文献标志码：AD0I10.：16086/j.cnki.issn1000-0380.2020050021

UltrasonographyAssistedtheEtiologyIdentification

ofLeftVentricularHypertrophy

YUQihuiU2,YUFei3,MAYuqin3,XIALianghua3,ZHANGBo3,ZHANGQi124

(1.ShanghaiInstituteforAdvancedCommunicationandDataScience,ShanghaiUniversity,Shanghai200444,China；

2.SchoolofCommunicationandInformationEnginring,ShanghaiUniversity,Shanghai200444,China；

3.DepartmentofUltrasound,ShanghaiEastHospital,SchoolofMedicine,TongjiUniversity,Shanghai200120,China；

4.ShanghaiKeyLaboratoryofArti