当前医生对心血管疾病的诊断主要依赖对患者心血管影像的分析,同时,医生还需要考虑患者的各项生理健康指标、既往病史、生活环境等信息,该方法存在效率低和成本高等问题.因此,人们试图利用机器学习方法辅助心血管疾病的诊断.本文首先总结了机器学习在冠状动脉计算机断层扫描、超声心动图、心电图等多种心血管影像处理中的应用;其次,对现有的机器学习模型进行了评估和分析;最后,本文认为虽然现有的基于机器学习的心血管疾病诊断方法已经可以媲美专业医生的水平,但是,该方法仍面临医学数据难以大量采集、医学成像信噪比低等困难.未来的研究方向应在小样本诊断模型的性能、多模态医学数据的融合、医学数据的共享等方面继续改进.
作者：赵梦蝶；孙九爱
来源：北京生物医学工程 2020 年 39卷 2期
