基于未增强T1 mapping的深度学习模型早期评价肥厚型心肌病心肌纤维化的初步研究

  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。