背景：肾病在冠状动脉疾病患者中很常见，如果病情严重，不能进行心肌梗死延迟增强型(LGE)显像评估。
目标：在不使用造影剂增强的心脏电影MRI上开发一种全自动的基于深度学习的慢性心肌梗死检测框架。
材料与方法:慢性心肌梗死患者，以及健康志愿者，都进行了心脏非增强电影MRI(每心跳周期5帧)和LGEMRI检查。80%的MRI检查用于训练数据集，0%用于独立测试数据集。LGEMRI上的慢性心肌梗死区域被定义为groundtruth。通过分析AUC来评估诊断性能。采用Pearson相关系数、配对设计和Bland-Altman分析比较非增强心脏电影MRI和LGEMRI的MI面积和MI面积百分比的相关性。
结果：研究参与者包括1名慢性心肌梗死患者(男性;年龄57.岁±1.5岁)和87例健康志愿者(男性4例;年龄:43.3岁±15.5岁)。使用全心电影MRI，在独立测试组中，检测慢性心肌梗死的每节段敏感性和特异性分别为89.8%和99.1%，AUC为0.94。无增强心脏电影和LGEMRI分析在MI节段数量上没有差异(分别为vs17;P=.38)，每个患者MI面积(分别为6.cm+/-.8vs5.5cm+/-.3;P=.7;相关系数r=0.88)、MI面积百分比(1.5%±17.3vs18.5%±15.4;P=.17。;相关系数r=0.89)。
结论：在非增强心脏磁共振成像上提出的深度学习框架使慢性心肌梗死的确认(存在)、检测(位置)和轮廓(透壁性和大小)成为可能。然而，未来需要更大规模的多中心研究来进行全面验证。
介绍
慢性心肌梗死(MI)的诊断是一项重要的临床任务，因为慢性心肌梗死和急性心肌梗死患者的管理和治疗计划是不同的。慢性心肌梗死的程度，包括位置、大小和透壁性，为患者的诊断、预后和治疗计划提供了丰富的信息。因此，对慢性心肌梗死的准确描述和综合评价具有重要的临床意义。
LGE-MRI已被确立为慢性MI评估的重要技术。然而，包括LGE-MRI在内的MRI检查延长了扫描时间，其安全性也越来越受到