利用卷积神经网络经食道超声心动图的自动性能评估
计算机视觉与模式识别
2018-06-14 v1
摘要
经食道超声心动图(TEE)是一种有价值的诊断和监测成像方式。适当的图像采集对诊断至关重要，然而当前的评估技术仅基于专家手动审阅。本文提出一种监督深度学习框架，用于自动评估和分级TEE图像质量。为获取必要数据集，38名不同经验的参与者使用高保真虚拟现实(VR)平台执行TEE检查。两种卷积神经网络(CNN)架构，AlexNet和VGG，被构造为执行回归，并在来自三位评估者手动分级的图像上微调与验证。使用了两种不同评分策略：基于标准的百分比和整体总体印象。所开发的CNN模型估计平均分数的均方根精度介于84%-93%之间，表明其复制专家评价的能力。所提出的自动TEE评估策略可对新的TEE操作者的训练过程产生显著影响，提供直接反馈并促进必要灵巧技能的发展。
引用
@article{arxiv.1806.05154,
title = {Automated Performance Assessment in Transoesophageal Echocardiography with Convolutional Neural Networks},
author = {Evangelos B. Mazomenos and Kamakshi Bansal and Bruce Martin and Andrew Smith and Susan Wright and Danail Stoyanov},
journal= {arXiv preprint arXiv:1806.05154},
year = {2018}
}
备注
to be presented in MICCAI 2018, Granada, Spain, 16-20 Sep 2018