目的 探讨基于深度学习建立的AI模型对心脏传导系统的识别效能.方法 选取17例非猝死案例的心肌和CCS的HE染色切片,以 2 位具有 20 年以上CCS诊断经验的主任法医师一致认定是否为CCS病变为金标准.通过Inception V3 算法建立AI模型并完成CCS识别的训练和测试,采用混淆矩阵、准确率、精确率、召回率、F1分数、ROC曲线、AUC值等指标评估AI模型效能以及准确率、敏感性和特异性等指标评估人工独立及AI辅助人工两种方式对CCS的识别效能.结果 AI模型识别CCS的准确率为 87.3%、精确率为 91.9%、召回率为 81.9%、F1 分数 86.6%、AUC值为 95.3%,其准确率高于高级职称法医鉴定人员的准确率.AI辅助高级职称法医鉴定人员识别CCS的准确率与人工独立检出相比,差异无统计学意义(p>0.05),AI辅助中级职称和初级职称法医鉴定人员识别CCS的准确率分别提高了 8%和 14.33%,差异均有统计学意义(p<0.05),AI辅助初级职称法医鉴定人员识别CCS的准确率高于中级职称法医鉴定人员自主诊断水平.结论 AI模型可用于CCS的自动识别,同时可提升低年资法医鉴定人员对CCS的识别效能,缩小与高年资法医鉴定人员之间的差距.
法医学 心脏传导系统 人工智能 Inception V3 效能
Forensic medicine Cardiac conduction system Artificial intelligence Inception V3 Efficiency