简介：摘要目的探讨基于U-Net神经网络的肥厚型心肌病（hypertrophic cardiomyopathy ，HCM）与高血压性左心室肥厚（hypertensive left ventricular hypertrophy，HLVH）的磁共振图像定量分析与鉴别。材料与方法回顾性分析2017年国际医学图像计算和计算机辅助干预协会（Medical Image Computing and Computer Assisted Intervention Society，MICCAI)一项心脏疾病自动诊断挑战项目中包含的100例心脏疾病患者以及2014年7月至2019年3月上海交通大学医学院附属仁济医院确诊的45例HCM与48例HLVH患者。MICCAI数据集作为训练集和验证集，随机挑选5例HCM病例和5例HLVH病例作为测试集，得到一个基于U-Net的心脏自动分割神经网络。对所有入组的HCM与HLVH患者的心脏磁共振图像进行自动分割并提取多项量化参数，采用独立t检验比较各项量化参数在HCM组与HLVH组间的差异，采用多因素logistic回归法对有统计学差异的变量进一步分析建模，使用4折交叉验证方法结合ROC法对模型的分类性能进行验证。结果55项量化参数中有13项在HCM组与HLVH组之间存在显著性差异，有3项指标对两者的鉴别分类具有显著性影响。4折交叉验证得到的ROC曲线下面积分别为0.939、0.984、0.972和0.963，其中最佳模型对应的测试集准确率为86.96% (20/23)。结论U-Net神经网络分割心脏磁共振影像可以提供更多量化信息，有助于鉴别肥厚型心肌病与高血压性左心室肥厚。