相关实验视频
Updated: Jul 15, 2025
07:45
Quantifying Intermembrane Distances with Serial Image Dilations
Published on: September 28, 2018
6.5K
通过3D超声波记录的人工智能自动估计状环状平面缩外流
Anders Austlid Taskén1, Erik Andreas Rye Berg2, Bjørnar Grenne2
1Department of Computer Science, Faculty of Information Technology and Electrical Engineering, Norwegian University of Science and Technology, Høgskoleringen 1, 7491 Trondheim, Norway.
Artificial intelligence in medicine
|October 2, 2023
概括
这项研究引入了一种使用3D横食管回声心脏图 (TEE) 的自动化方法,以定量监测心脏功能,特别是额头环状平面缩外流 (MAPSE). 这种人工智能驱动的方法提供了准确的实时心脏评估,改善了外科手术期间的护理.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 术后心脏监测对于检测并发症至关重要,但依赖于手动,耗时的超声波评估,具有固有的变化性.
- 目前的方法资源密集,频率有限,阻碍及时干预.
研究的目的:
- 开发和验证一种强大的自动化方法,用于使用3D透食管心声谱 (TEE) 进行定量心脏功能监测.
- 为了实现近乎实时的,一致的,可访问的左心室 (LV) 功能的评估,特别是中心环状平面缩外流 (MAPSE).
主要方法:
- 使用了左心室 (LV) 的 3D TEE B 模式超声波记录.
- 开发了一条涉及地标检测和心脏视图分类的管道,使用两个卷积神经网络 (CNN).
- 直接从3D TEE数据中估计MAPSE,绕过手动视图采集.
主要成果:
- 自动化MAPSE估计表明偏差和可变性较低,与临床环境中观察者之间的可变性相美.
- 实现了MAPSE估计的平均差异为 (-0.16±1.06) mm,表明没有显著的系统错误.
- 该方法提供了一致的测量和超声波图像的近实时评估.
结论:
- 拟议的自动化方法增强了术后和重症监护环境中的心脏监测.
- 这种人工智能驱动的方法为定量心脏功能评估提供了节省时间和增加可访问性.
- 该技术有可能通过更频繁,更可靠的心脏监测来改善患者的治疗结果.
