光学流量增强的Mamba U-Net用于超声视频中的心脏相位检测

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:

• 准确的心脏相位检测 (心脏系统结束/心脏扩张结束) 对于评估心脏功能和诊断疾病至关重要.
• 目前使用循环神经网络的方法往往错过了专家观察到的关键的短期门运动.
• 需要先进的技术来整合短期和长期的心脏动态.

研究的目的:

• 开发一种用于超声视频中精确心脏相位检测的新框架.
• 通过结合短期运动和长期依赖来增强心脏相位检测.
• 提高识别末缩 (ES) 和末腹缩 (ED) 框架的准确性和稳定性.

主要方法:

• 提出了一个新的光流增强的Mamba U-Net框架.
• 利用光流来捕捉短时间的心肌和门运动.
• 采用了Mamba层来追踪长期的依赖性,以及U-Net用于多尺度的特征提取.
• 开发了回归分支和关键框架加权损失函数,以专注于关键心脏阶段.

主要成果:

• 与先进的基线方法相比,在胎儿和成人心声回声图数据集上取得了优异的性能.
• 证明低不匹配:胎儿心声图数据集上的1.465 (ES) 和0.842 (ED).
• 在Echonet-Dynamic数据集中获得了2.444 (ES) 和2.072 (ED) 的框架不匹配.
• 在不同心率的不同数据集中展示了准确性和稳定性.

结论:

• 光流-Mamba U-Net框架有效地整合了短期和长期的心脏动态,以准确检测相位.
• 该方法显示了在心脏功能评估和诊断中临床应用的巨大潜力.
• 该方法提供了更好的准确性和稳定性,特别是在具有挑战性的数据集中,如胎儿心声图.