JANet:一个共同的注意力网络,用于在左心室超声波视频分割中平衡精度和速度
Chenkai Su1, Yuxiang Zhou1, Jinlian Ma2
1School of Integrated Circuits, Shandong University, Jinan, 250101, China.
Computers in biology and medicine
|December 28, 2023
概括
我们开发了一个联合注意网络 (JANet),用于回声心电图中的左心室自动细分. 这种人工智能工具可以帮助医生高精度地诊断心脏病,提高效率和可重复性.
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:
- 左心室功能参数对于诊断心脏病至关重要.
- 目前的量化方法是手动的,耗时的,缺乏可重复性.
研究的目的:
- 开发一种使用深度学习的左心室细分在回声心电图中的自动化方法.
- 提高心脏病诊断的准确性和可重复性.
主要方法:
- 开发一个有两个版本 (V1和V2) 的联合关注网络 (JANet).
- 应用JANet在回声心电图中对左心室区域进行细分.
- 使用子得分 (DSC) 和分类准确度评估模型性能.
主要成果:
- JANet V1和V2的平均DSC得分分别为93.59%和93.69%,高于现有的模型.
- 使用V1/V2.2.实现了准确的患者分级:87.24%/87.50% (2级) 和83.62%/84.18% (5级) 使用V1/V2.2.
- 一致性分析表明,表现与临床医生的表现相当.
结论:
- 开发的JANet模型为左心室细分提供了一个准确和可重复的自动化解决方案.
- 这种人工智能驱动的方法可以显著帮助医生更有效地诊断心脏病.
- 这些发现表明,人工智能在改善心血管诊断方面发挥着有希望的作用.
