自动心声回声扫描视图分类和质量评估,识别未知视图

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 心脏病学 心脏病学

背景情况:

• 由于缺少扫描平面信息和可变的图像质量,心声检查的解释是劳动密集的.
• 手动选择具有最佳图像质量和相关解剖学的适当视图是分析的关键先决条件.
• 自动化这个视图选择过程可以显著提高心声回声学中的效率和一致性.

研究的目的:

• 开发和评估一种用于常规心声回声图查看的自动分类方法.
• 为了能够在心声回声录像视频中识别未知的视图.
• 为了自动化检测到的心声回声图的质量评估.

主要方法:

• 训练了一个神经网络进行视图分类,使用logit激活用于未知视图识别.
• 使用神经网络特征嵌入的线性回归被用于预测视图质量得分.
• 该方法在一个大型的临床数据集上得到了验证,其中包括2466个心声回声录像视频和专家注释.

主要成果:

• 该自动化方法在常规和未知视图分类中实现了高精度,接近专家性能.
• 对于视图质量评估,该方法获得了0.71的斯皮尔曼等级相关系数,超过了0.62.6的第二个观察者的得分.
• 该系统在选择适当的心声回声图视图方面展示了专家级的能力.

结论:

• 拟议的自动化方法显著提高了心声回声检查的解释.
• 它可以完全自动选择最佳视图以进行随后的手动或自动分析.
• 这种方法有可能提高心声回声学中的诊断准确性和工作流程效率.