深度学习在心脏瓣膜病辅助诊断中的研究进展

作     者：马志明 徐洪洋 邱鹏 刘兵 姜良 曹慧 

作者机构：山东中医药大学医学信息工程学院 济南市第四人民医院心血管内科 

出 版 物：《中国胸心血管外科临床杂志》 (Chinese Journal of Clinical Thoracic and Cardiovascular Surgery)

年 卷 期：2025年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金(82374620 82074579) 

主　　题：深度学习 心脏瓣膜病 心音图 心电图 多模态融合 大语言模型 综述 

摘      要：心脏瓣膜病作为第3大心血管疾病，发病率仅次于冠状动脉粥样硬化性心脏病和高血压，严重时可导致心室肥厚或心力衰竭。因此，早期检测心脏瓣膜病具有重要意义。近年来，深度学习在心脏瓣膜病辅助诊断中的应用取得显著进展，大幅提高了检测准确率。本文针对深度学习在心脏瓣膜病辅助诊断中的研究展开综述，首先介绍常见心脏瓣膜病的病因、病理机制与影响，然后探讨心电信号、心音信号及多模态数据在心脏瓣膜病检测中的优势与局限性。对比传统风险预测方法与大语言模型预测方法在心血管疾病风险预测中的应用，指出大语言模型在风险预测中的潜力。最后指出当前深度学习在该领域面临的主要挑战，并对未来的研究方向进行展望。