用于左心室非压实测量的深度学习方法
图像与视频处理
2020-12-01 v1 计算机视觉与模式识别
机器学习
摘要
左心室非压实(LVNC)是一种以左心室腔内异常小梁为特征的罕见心肌病。尽管已有用于LVNC诊断的传统计算机视觉方法,但文献中未见基于深度学习的工具。本文提出了一种使用卷积神经网络(CNNs)的初步方法。训练四个CNN,用于自动分割诊断为肥厚型心肌病的患者群体的左心室压实区与小梁区。推理结果证实,基于深度学习的方法在LVNC的诊断与测量中可取得优异结果。两个最佳CNN(U-Net与Efficient U-Net B1)在CPU上以不到0.2秒、在GPU上以不到0.01秒完成图像分割。此外,由心内科专家对带有识别区域的输出图像进行主观评价,所有切片均达到完美视觉一致性,优于已有的自动工具。
引用
@article{arxiv.2011.14773,
title = {Deep learning approach to left ventricular non-compaction measurement},
author = {Jesús M. Rodríguez-de-Vera and Josefa González-Carrillo and José M. García and Gregorio Bernabé},
journal= {arXiv preprint arXiv:2011.14773},
year = {2020}
}