目的 通过深度学习(deep learning,DL)模型分析心脏磁共振检查中不伴有心肌延迟强化(late gadolinium enhancement,LGE)的肥厚型心肌病(hypertrophic cardiomyopathy,HCM)未增强T1 mapping图像,探讨其早期识别心肌间质性纤维化的能力.方法 纳入接受心脏磁共振检查的60例HCM患者及44例正常对照者,以有无LGE判断并标记对应的未增强T1 mapping图像,将其与正常对照者的未增强T1 mapping图像经过预处理后作为矩阵形式输入SE-ResNext-50模型进行训练、验证及测试.结果 总共241幅未增强T1 mapping图像输入SE-ResNext-50模型,该模型识别测试集中LGE(-)未增强T1 mapping图像的特异性0.87,敏感性0.79,曲线下面积0.83(P<0.05).结论 基于SE-ResNext-50的DL模型可较准确地识别LGE(-)未增强T1 mapping图像,可在不依赖对比剂的情况下早期发现HCM心肌纤维化.
作者：师轲；李颖；张天静；李真林；黎海霞；彭婉琳；夏春潮
来源：四川大学学报（医学版） 2021 年 52卷 5期
