Hầu hết các siêu âm tim tiêu chuẩn cung cấp hình ảnh hai chiều (2D) về cấu trúc giải phẫu ba chiều (3D) của tim. Các siêu âm tim này thường thu được hàng trăm lát cắt hoặc hình ảnh 2D của một trái tim đang đập, cho phép các bác sĩ đưa ra đánh giá lâm sàng về chức năng và cấu trúc của tim.

Để nâng cao độ chính xác chẩn đoán các bệnh lý tim mạch, các nhà nghiên cứu từ Đại học California, San Francisco đã tiến hành nghiên cứu xem liệu mạng nơ-ron sâu (DNN), một loại thuật toán trí tuệ nhân tạo, có thể được thiết kế lại để thu thập tốt hơn cấu trúc giải phẫu và sinh lý 3D phức tạp từ nhiều góc nhìn hình ảnh cùng một lúc hay không. Họ đã phát triển một cấu trúc DNN “đa góc nhìn” mới để cho phép nó thu thập thông tin từ nhiều góc nhìn hình ảnh cùng một lúc, thay vì phương pháp hiện tại chỉ sử dụng một góc nhìn duy nhất. Sau đó, họ đã huấn luyện các DNN mẫu sử dụng kiến ​​trúc này để phát hiện các trạng thái bệnh lý đối với ba bệnh tim mạch: bất thường tâm thất trái và phải, rối loạn chức năng tâm trương và hở van tim.

Nghiên cứu trên tạp chí Nature Cardiovascular Research, các nhà nghiên cứu đã so sánh hiệu suất của mạng nơ-ron sâu (DNN) phân tích dữ liệu từ một góc nhìn duy nhất hoặc nhiều góc nhìn khác nhau của hình ảnh siêu âm tim từ UCSF và Viện Tim mạch Montreal. Họ nhận thấy rằng các DNN được huấn luyện trên nhiều góc nhìn đã cải thiện độ chính xác chẩn đoán so với các DNN được huấn luyện trên bất kỳ góc nhìn đơn lẻ nào, chứng minh rằng các mô hình AI kết hợp thông tin từ nhiều góc nhìn hình ảnh cùng lúc nắm bắt tốt hơn tình trạng bệnh của các bệnh lý tim mạch này.

Để đánh giá kích thước hoặc chức năng tâm thất trái (LV), hình ảnh siêu âm tim hiển thị tất cả các buồng tim cùng một lúc (A4c) thể hiện rõ nhất một số thành tâm thất trái nhất định (thành dưới vách ngăn và thành trước bên), trong khi một hình ảnh siêu âm vuông góc khác (A2c) thể hiện các thành quan trọng khác (thành trước và thành dưới). Thông thường, chức năng của các thành tâm thất trái có thể hoàn toàn bình thường trong một hình ảnh nhưng lại có rối loạn chức năng đáng kể trong hình ảnh khác.

Đối với các nhiệm vụ siêu âm tim mà họ đã nghiên cứu, chẳng hạn như xác định các bất thường ở tâm thất trái và phải cũng như rối loạn chức năng tâm trương, kết quả của các nhà nghiên cứu cho thấy rằng mạng nơ-ron sâu đa góc nhìn (multiview DNN) có khả năng học được thông tin liên quan giữa các đặc điểm từ mỗi góc nhìn để đạt được hiệu suất tổng thể cao hơn.

Các nhà nghiên cứu cũng phát hiện ra rằng việc lấy trung bình các dự đoán của ba mạng nơ-ron sâu (DNN) đơn góc nhìn giúp cải thiện hiệu suất so với DNN đơn góc nhìn, đồng thời tiết kiệm chi phí tính toán hơn, do đó cung cấp một giải pháp thay thế khả thi cho việc huấn luyện DNN đa góc nhìn. Tuy nhiên, so với DNN đơn góc nhìn, DNN đa góc nhìn cho hiệu suất mạnh nhất. Họ đề xuất rằng nghiên cứu trong tương lai nên xem xét cách kiến ​​trúc DNN đa góc nhìn có thể hỗ trợ các nhiệm vụ y tế hoặc phương thức hình ảnh khác.