一个半监督的四室心声影像细分算法,基于多层边缘感知和校准融合
Yuexin Wan1, Dandan Li1, Zhi Li1
1State Key Laboratory of Public Big Data, College of Computer Science and Technology, Guizhou University, Guiyang, China.
Ultrasound in medicine & biology
|June 4, 2024
概括
这项研究引入了一个深度学习模型,用于改进心声图内心细分,增强心脏功能分析和疾病诊断的准确性. 该模型有效地解决了边缘模糊和特征融合挑战,使用多层边缘感知和校准融合.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心脏病学 心脏病学
背景情况:
- 在心声视频中对内心脏进行自动语义细分对于心脏功能评估和心脏病诊断至关重要.
- 关键的挑战包括由于噪声而导致边缘模糊和无效的多层功能融合.
研究的目的:
- 提出一种深度学习模型,以提高心内膜细分在心声学中.
- 为了应对边缘模糊和特征融合的挑战,以提高精度.
主要方法:
- 一个具有多层边缘感知模块的深度学习模型,用于强大的边缘特征提取.
- 一个校准融合模块来整合语义和详细功能.
- 半监督式学习,用于标记和未标记数据的内存架构.
主要成果:
- 在公开心声图数据集上实现了93.05%和93.93%的平均Dice系数.
- 证明了0.765的皮尔森相关性,用于预测临床数据上的左心室喷射分数.
结论:
- 拟议的半监督模型有效地克服了心声回声学中的细分挑战,提高了心室细分的准确性.
- 这种模型可以帮助心脏病专家实现精确的研究和诊断结果.


