自动4D中枢细分从食管横回心电图:一个半监督的学习方法
Riccardo Munafò1, Simone Saitta2,3,4, Davide Tondi2
1Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan, Italy. riccardo.munafo@polimi.it.
Medical & biological engineering & computing
|January 11, 2025
概括
本研究介绍了一种半监督的方法,用于在4D跨食道心声学 (TEE) 中对腹膜 (MV) 进行细分,使用教师-学生框架. 该方法提高了MV分析的准确性和效率,减少了手动注释需求.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 自动4D横食管回声心脏图 (TEE) 分段和膜 (MV) 分析面临挑战,因为回声心脏图的局限性和有限的注释数据.
- 准确的MV细分对于诊断和规划对中枢病的治疗非常重要.
研究的目的:
- 使用伪标签在4D TEE中开发一个半监督的战略,用于在4D TEE中进行强大的MV细分.
- 提高4D TEE中的MV分析的准确性,时间一致性和效率.
主要方法:
- 在4D TEE中使用教师-学生框架进行半监督的二手细分.
- 一个Teacher模型 (CNN组合) 在中间心脏上生成了伪标签.
- 伪注释数据增强了学生模型的训练集,提高了细分性能.
主要成果:
- 学生模型取得了0.82的子得分,0.37毫米的平均表面距离,和95%的豪斯多夫距离1.72毫米的MV传单.
- 该方法证明了可靠的对MV细分,捕捉了传单形态和动态.
- 与整体教师模型相比,观察到推断时间的显著减少.
结论:
- 拟议的半监督方法显著减少了4D TEE MV分析的手动注释工作量.
- 该方法确保了可靠,可重复和时间效率高的MV细分,在诊断和治疗规划中具有临床应用的潜力.
