基于深度学习的自动化超声多普勒角度估计
机器学习
2025-08-07 v1 人工智能
摘要
角度估计是超声多普勒临床工作流程中的重要步骤，用于测量血液速度。广泛认识到，错误的角度估计是导致多普勒血流速度测量误差的主要原因之一。本文提出一种基于深度学习的自动化多普勒角度估计方法。该方法使用包括图像增强的 2100 张人类颈动脉超声图像进行开发。使用五个预训练模型提取图像特征，这些特征随后传递给自定义的浅层网络进行多普勒角度估计。独立地，通过人类观察者审阅图像获得的测量值用于比较。评估的模型之间的自动化与手动角度估计之间的平均绝对误差（MAE）范围为 到 。此外，最佳-performing 模型的 MAE 小于临床可接受的多普勒角度误差阈值，从而避免了将正常速度值误分类为狭窄。结果表明，深度学习技术可用于自动化超声多普勒角度估计。这种技术可能在商业超声扫描仪上的影像软件中实现。
引用
@article{arxiv.2508.04243,
title = {Automated ultrasound doppler angle estimation using deep learning},
author = {Nilesh Patil and Ajay Anand},
journal= {arXiv preprint arXiv:2508.04243},
year = {2025}
}