相关实验视频
Updated: Jul 1, 2025
08:09
Transthoracic Echocardiography in Mice
Published on: May 28, 2010
62.1K
用深度学习和三平面记录在心声心电图中的心脏事件计时
IEEE journal of biomedical and health informatics
|March 5, 2024
概括
这项研究引入了一种深度学习方法,使用三平面心声学来精确检测六个心脏门事件. 这种方法提高了临床测量的准确性和速度,超越了以前的限制.
科学领域:
- 医疗成像医学成像
- 心血管超声波是什么意思
- 人工智能在医学中的应用
背景情况:
- 准确的心脏门事件时间对于心声回声学测量至关重要.
- 目前的自动化方法需要外部传感器,手动定时可能不一致.
- 现有的深度学习模型主要只能检测终端腹缩 (ED) 和终端心缩 (ES).
研究的目的:
- 开发一种深度学习方法,以便在心声谱中更好地检测多个心脏门事件.
- 为了利用三飞机录音,提高心脏计时的准确性.
- 克服现有的自动和手动测量技术的局限性.
主要方法:
- 开发了一种新的深度学习模型,利用三飞机回声心脏记录.
- 该方法在240名患者的数据上进行了训练和验证.
- 使用平均绝对差 (aFD) 和交叉验证来评估性能.
主要成果:
- 深度学习方法准确地检测到六个心脏门事件,包括超越ED和ES的事件.
- 达到了一个平均绝对差 (aFD) 低至0.6 (12毫秒) 的中枢打开.
- 在一个独立的测试集中表现出强大的性能,最坏的情况是1.8 (30毫秒) 的aFD.
结论:
- 拟议的深度学习方法显著提高了心脏门事件在心声回声学中的检测.
- 这种方法为更准确,更快速,更全面的临床测量提供了潜力.
- 该技术可以通过提高诊断能力,对临床实践产生重大影响.
