基于深度神经网络经胸超声心动图图像质量的自动评估
图像与视频处理
2022-09-05 v1 计算机视觉与模式识别
机器学习
神经与进化计算
定量方法
组织与器官
摘要
二维超声心动图中的标准切面已确立，但所获取图像的质量高度依赖操作者技能且为主观评估。本研究旨在通过定义一组新的领域特定质量指标，提供超声心动图图像质量的客观评估流程。因此，图像质量评估可自动化，以增强临床测量、解读与实时优化。我们开发了用于自动评估超声心动图帧的深度神经网络，这些帧随机采样自 11,262 名成人患者。该私有超声心动图数据集包含 33,784 帧，先前于 2010 至 2020 年间获取。深度学习方法用于提取时空特征，图像质量指标针对平均绝对误差进行评估。我们的质量指标封装了解剖与病理要素，分别提供针对解剖可见性、清晰度、深度增益与缩短畸形的多变量评估分数。
引用
@article{arxiv.2209.00976,
title = {Automated Assessment of Transthoracic Echocardiogram Image Quality Using Deep Neural Networks},
author = {Robert B. Labs and Apostolos Vrettos and Jonathan Loo and Massoud Zolgharni},
journal= {arXiv preprint arXiv:2209.00976},
year = {2022}
}