使用深度学习进行自动化的二维和三维左前庭体积测量
Jieyu Hu1, Sindre Hellum Olaisen1, Erik Smistad2
1Department of Circulation and Medical Imaging, Faculty of Medicine and Health Sciences, Norwegian University of Science and Technology, Trondheim, Norway.
Ultrasound in medicine & biology
|October 9, 2023
概括
一种新的自动化方法使用二维和三维心声学准确地测量左心房 (LA) 体积. 这种实时工具提供专家级准确性,节省时间并减少临床实践中的变化.
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:
- 心声谱对于评估左心房 (LA) 容量至关重要.
- 目前的LA体积测量方法通常是手动或半自动的,导致变化.
- 需要准确,高效和可重复的LA体积评估.
研究的目的:
- 开发和验证一种全自动,实时的方法,用于测量LA体积的2D和3D心声回声.
- 为了实现与专家评估相当的准确性,同时减少操作员的变化和时间.
- 在心声回声实验室提供宝贵的时间LA体积曲线信息.
主要方法:
- 开发了一个自动化管道,使用一个网络来识别终端缩 (ES) 时间点.
- 采用强大的二维和三维U-Nets用于图像细分.
- 利用 789 个 2D 图像和 286 个 3D 记录的数据集,探索反复的网络和伪标签以估计体积曲线.
主要成果:
- 基线自动测量显示了较小的平均体积差异:与手动方法相比,2-D的2.9mL和3-D的7.8mL.
- 伪标签提高了体积曲线的稳定性,并改善了ES测量,特别是在有限的数据下.
- 该系统处理来自临床超声波扫描仪的实时数据.
结论:
- 自动化LA体积估计显示了临床应用的巨大潜力.
- 开发的原型提供实时,准确的LA体积评估.
- 这项技术可以提高心声回声学评估的效率和一致性.
