文献学习-使用基于视频的深度学习预测术后右心室衰竭

尽管几十年来不断改进，但超声心动图中丰富的时间分辨数据仍未得到充分利用。仅仅将复杂的心壁运动模式简化为心脏功能测量的一小部分。在这里，作者描述了一个视频 AI 系统，该系统经过训练，可以使用术前超声心动图中的完整数据信息信息来预测术后右心功能衰竭。实现了 0.729 的 AUC，并表明该 ML 系统在独立评估的同一任务中显着优于人类专家团队。

视频处理流程及工作流程

与临床风险评分相比，AI 系统的AUC为 0.729（95% CI 0.623–0.835）。b临床专家团队的 ROC 曲线和独立计算的右心室功能指标与 AI 系统相比。发现人工智能系统的性能超过了临床专家和传统的风险评分系统。

有和没有 RV 衰竭患者的心动周期收缩和舒张阶段的代表性输入视频和可视化，以混淆矩阵的形式展示。真阳性（右下象限）、假阳性（左下象限）、真阴性（左上象限）和假阴性（右上象限）。每个象限的色标代表对预测类别贡献最大的区域（红色）和将预测概率推离预测类别的区域（蓝色）。