在心肺复苏 (CPR) 过程中,通过深度学习和单基选,在经食管回声心脏图像 (TEE) 中追踪心室
Honggi Ahn1, Sun Ju Kim2, Seungyoung Kang1
1Department of Biomedical Engineering, Yonsei University, 26493 Wonju, Republic of Korea.
Biomedical engineering letters
|October 24, 2023
概括
这项研究引入了一种深度学习模型,使用透食管心声学 (TEE) 来自动计算心肺复苏 (CPR) 期间的喷射分数 (EF). 这种方法可以通过分析心房收缩在心缩和腹缩期间,实时评估心肺复苏的质量.
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:
- 高质量的心肺复苏 (CPR) 对患者的生存至关重要.
- 目前的指导方针建议对CPR质量进行监测.
- 经食道心声学 (TEE) 提供实时成像,而不会中断心肺复苏.
研究的目的:
- 开发一个使用TEE自动检测心和腹的协议.
- 在心肺复苏过程中实时计算心肌喷射分数 (EF).
- 通过定量分析优化CPR质量.
主要方法:
- 利用心脏骤停患者的TEE图像.
- 为了数据增强,采用了薄板线转换.
- 开发了一个基于ResUNet++的深度学习模型.
- 应用单基过来增强心室边界检测.
- 在ME LAX和四腔室视图中分割心室.
主要成果:
- 在大多数情况下,使用单一过的深度学习模型显示出高性能.
- 与现有模型的比较表明,在添加过器的情况下,可比或优异的结果.
- 成功地实现了左心室和右心室的细分.
- 该模型允许在心肺复苏过程中对心室收缩进行定量分析.
结论:
- 一个新的深度学习协议可以在心肺复苏过程中自动计算TEE的射出分数 (EF).
- 这种方法可以实时量化评估CPR有效性.
- 开发的方法有可能显著改善复苏结果.
更多相关视频
07:11Morphological and Functional Assessment of the Right Ventricle Using 3D Echocardiography
Published on: October 28, 2020
2.9K
08:19Transthoracic Echocardiography to Assess Post-Resuscitation Left Ventricular Dysfunction After Acute Myocardial Infarction and Cardiac Arrest in Pigs
Published on: July 12, 2022
2.9K
