MIRACLE研究组一篇文章被Annals of Translational Medicine接收

Feifei Yang#, Jiuwen Zhu#, Junfeng Wang#, Liwei Zhang#, Wenjun Wang, Xu Chen, Xixiang Lin, Qiushuang Wang, Daniel Burkhoff, S. Kevin Zhou, Kunlun He, “Self-supervised learning assisted diagnosis for mitral regurgitation severity classification based on color Doppler echocardiography”, Annals of Translational Medicine, 2022.

# 相同贡献

ATM（Annals of Translational Medicine，Impact Factor: 3.932）是医学信息学，心脏病学和其他跨学科等领域的知名临床医学期刊。ATM以跨学科学术合作为重点，旨在加快将科学发现转化为管理和卫生成果实践的新的或改进的标准。

背景:二尖瓣返流(MR)是世界上最常见的瓣膜病变。然而，基于当前指南的MR严重程度定量评估具有挑战性且耗时。因此，临床上严格遵守这些指导方针的情况相对较少。我们的目标是开发一种自动、可靠和可重复的人工智能(AI)诊断系统，通过自监督学习(SSL)算法，基于彩色多普勒超声心动图对MR严重程度帮助医生进行分级。
方法:我们的方法是一种回顾性研究。在分析中选取了148个有金标准的标准样本，作为人工智能分割模型的测试集。我们采用分层随机抽样的方法，分别选取592和148个研究作为训练数据集和验证数据集。我们的自监督算法对MR反流和左心房(LA)区域进行特征提取并进行分割，输出的结果帮助医生进行MR严重程度分级。并在医生在没有人工智能支持和有人工智能支持的情况下的诊断性能进行了评估和比较。