基于DenseNet121架构的心音模型诊断主动脉瓣狭窄的前瞻性临床研究

目的 通过基于DenseNet121架构的深度学习模型对主动脉瓣狭窄患者的心音进行识别,探索其在临床上筛查主动脉瓣狭窄的应用潜力。方法 前瞻性纳入2021年6月—2022年2月天津市胸科医院主动脉瓣疾病患者,采集其心音,并收集临床资料。应用采集的心音数据建立深度学习模型,对其进行训练、验证与测试。最后使用测试结果绘制受试者工作特征曲线及精确度-召回率曲线评价模型性能。结果 共纳入100例患者,包括11例无症状患者。其中主动脉瓣狭窄患者组（狭窄组）50例,男30例、女20例,年龄（68.18±10.63）岁;无主动脉瓣疾病患者组（阴性组）50例,男26例、女24例,年龄（45.98±12.51）岁。模型对从主动脉瓣狭窄患者于临床环境采集的心音数据具有优秀的区分能力：准确度为91.67%,灵敏度为90.00%,特异度为92.50%,受试者工作特征曲线下面积为0.917。结论 基于深度学习应用心音诊断主动脉瓣狭窄的模型在临床筛查上具有优秀的应用前景,能为主动脉瓣狭窄患者的早期识别提供新思路。