通过使用统计形状建模在心声学中自动检测角前缩短
Woo-Jin Cho Kim1, Arian Beqiri2, Adam J Lewandowski3
1School of Biomedical Engineering and Imaging Sciences, King's College London, London, UK.
Ultrasound in medicine & biology
|June 16, 2023
概括
通过使用合成图像,可以改进对心声回声学中预缩短的自动检测. 一种新方法准确地预测了真实心脏超声波视图中的缩短,使用在合成数据上训练的轮形状模型.
科学领域:
- 医疗成像医学成像
- 心血管超声波是什么意思
- 人工智能在医学中的应用
背景情况:
- 预缩短是二维心声回声学中常见的挑战,导致左心室测量的变化.
- 获取和标记用于缩短视图的训练数据是耗时且主观的.
研究的目的:
- 开发一种自动管道,用于检测心声回声图像中的预缩短.
- 为了生成合成的顶峰四室 (A4C) 视图与地面真相,为培训缩短标签.
主要方法:
- 使用统计形状模型来合成理想化的A4C视图,使用不同的缩短.
- 一个部分最小正方形 (PLS) 模型被训练在细分内心轮上,以学习缩短特征.
- 该模型的预测能力在真实心声图像上进行了评估.
主要成果:
- 使用11个PLS形状模式的物流回归实现了预缩短的分类准确性 (灵敏度0.84,特异性0.82,AUC0.84).
- 可解释的缩短特征,如缩短长轴长度和顶端圆形,在合成和真实数据中都被确定.
- 轮形状模型在真实图像中准确预测了缩短的情况.
结论:
- 仅在合成的A4C视图上训练的轮形状模型可以准确地预测真实回声心脏图像中的缩短.
- 这种方法有可能提高心声回声测量的质量并减少心声回声测量的变化.
