低复杂度的肺超声波视频评分,采用基于强度投影的视频压缩方法
Umair Khan1, Sajjad Afrakhteh1, Federico Mento1
1Department of Information Engineering and Computer Science, University of Trento, Trento, Italy.
Computers in biology and medicine
|December 23, 2023
概括
这项研究引入了一种分析肺超声波 (LUS) 视频的新方法,通过将其压缩成单个图像来更容易评估. 这种方法在LUS分析中的预后得分方面显示出前景.
科学领域:
- 医疗成像医学成像
- 超声波技术 超声波技术 超声波技术
- 人工智能在医学中的应用
背景情况:
- 肺部超声波 (LUS) 数据的半定量分析对于评估患者状况至关重要,特别是在COVID-19后.
- 目前的方法主要集中在级分析上,有限的直接视频级分析.
- 在视频层面对LUS数据进行整体分析,以进行全面的患者评估方面存在差距.
研究的目的:
- 开发一种用于直接视频级评分LUS数据的新方法.
- 将LUS视频数据压缩成代表性图像,用于自动分类.
- 通过视频层面的分析来评估患者的状况,超越框架层面的解释.
主要方法:
- 使用最大,平均和最小强度投影,将LUS视频数据压缩成单个图像.
- 压缩保留了关键的超和低回声区域,将视频数据减少到最多三张图像.
- 一个卷积神经网络 (CNN) 将压缩的图像分类,将最差的预测分数分配给视频.
主要成果:
- 压缩技术取得了有希望的预后水平一致 (81.62%).
- 视频级协议与现有的最先进的方法 (46.19%) 相当.
- 该方法有效地压缩LUS视频数据进行直接分析.
结论:
- 拟议的方法为LUS视频压缩和直接视频层次分析奠定了基础.
- 这种方法将LUS数据的范式从级转移到视频级的解释.
- 该技术提供了一种新的方法,可以使用压缩超声波视频信息来评估患者的病情.
