基于深度学习和三视图记录的心脏瓣事件时间检测
图像与视频处理
2024-03-18 v1 计算机视觉与模式识别
摘要
心脏瓣事件时间在运用超声心动图进行临床测量中起关键作用。然而，已有的自动化方法受限于需要外部心电图传感器，手动测量常依赖于不同心脏周期的时间。近期方法已应用深度学习进行心脏时间检测，但主要仅限于检测两个关键时间点，即心室舒张末期（ED）和心室收缩末期（ES）。本文提出了一种深度学习方法，利用三视图记录（triplane recordings）来增强心脏瓣事件的检测。我们的方法在检测六种不同事件方面表现出改进，其中包括通常与 ED 和 ES 相关的瓣事件。对于所有事件，我们在采用 10 折交叉验证并以三视图数据为测试集（来自 240 名患者）的情况下，最差事件检测的平均绝对帧差（aFD）为 1.4 帧（29 毫秒），而小闭锁盖 opening（mitral valve opening）的检测则达到 0.6 帧（12 毫秒）。在来自另外 180 名患者的外部独立测试中（采用心尖长轴数据），最差的事件检测 aFD 为 1.8（30 毫秒）。该方法有望显著影响临床实践，通过实现更准确、更快速且更全面的事件检测，从而改进临床测量。
引用
@article{arxiv.2403.10156,
title = {Cardiac valve event timing in echocardiography using deep learning and triplane recordings},
author = {Benjamin Strandli Fermann and John Nyberg and Espen W. Remme and Jahn Frederik Grue and Helén Grue and Roger Håland and Lasse Lovstakken and Håvard Dalen and Bjørnar Grenne and Svein Arne Aase and Sten Roar Snar and Andreas Østvik},
journal= {arXiv preprint arXiv:2403.10156},
year = {2024}
}
备注
To be published in IEEE Journal of Biomedical and Health Informatics. 10 pages, 4 figures