Skip to content

Siegersma, K. R.; Leiner, T.; Chew, D. P. et al. · 2019 · Netherlands Heart Journal

Metadata

Authors: Siegersma, K. R.; Leiner, T.; Chew, D. P.; Appelman, Y.; Hofstra, L.; Verjans, J. W.

DOI: 10.1007/s12471-019-01311-1

Tags: #neural-network #causal-inference

📄 Quick Note

摘要概述

本文是一篇综述，系统梳理了人工智能（AI）、机器学习（ML）与深度学习（DL）在心血管影像全链路中的应用现状，覆盖从影像检查决策支持、图像采集、重建、自动测量、诊断到预后预测的各个环节。作者指出 AI 已在多项任务（如超声切面分类、CT 低剂量重建、心肌梗死检测等）达到接近或超越人类的表现，但多数研究仍局限于单中心、回顾性数据，尚未广泛渗透到临床常规诊疗中。综述同时讨论了 AI 在迈向个性化医学（整合影像、电子病历、生物标志物与基因组数据）中的潜力与当前数据融合能力的不足。作者强调 AI 将显著改变影像科医生的工作方式，短期内辅助测量与决策，长期则赋能患者并支持临床决策，但可靠性与可解释性仍是落地关键。

关键图表

  • Fig. 1：展示 AI 如何介入心血管影像成像链的每一步（modality 选择 → 采集 → 重建 → 诊断 → 预后），是理解 AI 在影像流程中定位的核心示意图。
  • Fig. 2：引用 Madani 等人的深度学习研究，展示超声切面自动分类（2D 表征聚类）、saliency map（像素重要性可视化）以及混淆矩阵，直观说明 DL 模型如何"看"影像。

与我的关联

该综述提供了 AI 在心血管影像领域的系统性应用地图，可作为构建相关建模与方法学工作的背景参考，尤其是影像+多模态数据融合用于个性化预测这一方向。对于关注因果推断与神经网络方法在临床场景落地的课题，本文可作为领域现状的入门索引。