基于超声视频与多示例学习的儿童房间隔缺损检测
图像与视频处理
2023-06-07 v1 计算机视觉与模式识别
机器学习
摘要
目的：先天性心脏病(CHD)是最常见的出生缺陷。经胸超声心动图(TTE)可提供充分的心脏结构信息、评估血流动力学与心功能，是房间隔缺损(ASD)检查的有效方法。本文旨在研究一种基于心脏超声视频的深度学习方法以辅助ASD诊断。材料与方法：我们选取房间隔切面(subAS)与胸骨旁四腔心低切面(LPS4C)这两个标准切面作为识别ASD的视图。我们纳入300名儿童患者的数据作为双盲实验的一部分，采用五折交叉验证以验证模型性能。此外，收集30名儿童患者(15例阳性、15例阴性)的数据用于临床医生测试，并与我们的模型测试结果比较(这30个样本不参与模型训练)。我们提出了一种基于超声心动图视频的房间隔缺损诊断系统。在模型中，我们分别提出块随机选取、最大一致性决策与帧采样策略用于训练与测试，使用ResNet18与r3D网络提取帧特征并聚合以构建丰富的视频级表示。结果：我们使用私有数据集通过五折交叉验证验证模型。对于ASD检测，我们取得89.33的AUC、84.95准确率、85.70灵敏度、81.51特异度与81.99 F1分数。结论：所提模型为基于多示例学习的深度学习模型，用于视频房间隔缺损检测，与先前网络及临床医生的表现相比，有效提升了ASD检测准确率。
引用
@article{arxiv.2306.03835,
title = {Atrial Septal Defect Detection in Children Based on Ultrasound Video Using Multiple Instances Learning},
author = {Yiman Liu and Qiming Huang and Xiaoxiang Han and Tongtong Liang and Zhifang Zhang and Lijun Chen and Jinfeng Wang and Angelos Stefanidis and Jionglong Su and Jiangang Chen and Qingli Li and Yuqi Zhang},
journal= {arXiv preprint arXiv:2306.03835},
year = {2023}
}