实时自动M模式心声谱测量与面板注意力
IEEE journal of biomedical and health informatics
|June 12, 2024
概括
这项研究引入了RAMEM,这是一种实时M模式心声回声仪的自动化系统,可以改善心脏测量. 它使用新的数据集 (MEIS) 和先进的深度学习来实现更快,更准确的诊断.
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:
- M模式回声心脏学对于心脏测量至关重要,但耗时且容易发生精度变化.
- 目前的诊断方法缺乏效率和一致性,需要自动化解决方案.
- 深度学习为开发准确高效的自动诊断方案提供了潜力.
研究的目的:
- 开发实时M模式心声回声 (RAMEM) 的自动化方案,以提高诊断的准确性和效率.
- 引入第一个M模式心声回声图数据集 (MEIS) 以进行一致的培训和评估.
- 提出一个高效的算法 (AMEM) 用于自动化M模式心声回声测量.
主要方法:
- 开发了RAMEM,这是一个实时自动化的M模式心声回声系统.
- 创建了MEIS,这是M模式回声心脏图的新型数据集.
- 建议与UPANets V2嵌入面板注意力,用于实时实例分割 (RIS),以改善对象检测.
- 推出了AMEM,这是一种用于自动化M模式心声谱测量的高效算法.
主要成果:
- 与现有的RIS计划相比,RAMEM在MEIS数据集上的表现和人类表现都表现出了卓越的表现.
- 拟议的小组注意事项包括在心声图中增强大物体检测.
- 该系统在PASCAL 2012 SBD基准上取得了具有竞争力的结果.
结论:
- RAMEM为M模式心声回声学提供了一个有前途的自动化解决方案,解决了当前的诊断局限性.
- 开发的MEIS数据集和AMEM算法有助于推进自动心脏诊断.
- 这项工作突显了深度学习在提高心声回声图分析速度和准确性的潜力.
