低质量超声心动图中心肌梗死的早期检测
图像与视频处理
2021-03-16 v2 计算机视觉与模式识别
摘要
心肌梗死（MI），通常称为心脏病发作，是全球范围内威胁生命的健康问题，每年有3240万人受其困扰。心肌梗死的早期诊断和治疗对于防止进一步的心肌组织损伤或死亡至关重要。缺血最早且最可靠的征象是心室肌受累部位的节段性室壁运动异常（RWMA）。超声心动图能够简便、廉价且无创地显示RWMA。在本文中，我们提出了一种用于低质量超声心动图中心肌梗死早期检测的三阶段方法：1）使用最先进的深度学习模型分割整个左心室（LV）壁，2）通过特征工程分析分割后的左心室壁，3）心肌梗死早期检测。本研究的主要贡献包括：从低质量超声心动图中高精度分割左心室壁、用于未标注左心室壁真值生成的伪标签方法，以及首个公开的用于心肌梗死检测的超声心动图数据集（HMC-QU）*。此外，所提方法的输出可显著帮助心脏病专家更好地评估左心室壁特征。所提方法在HMC-QU数据集上实现了95.72%的灵敏度和99.58%的特异性用于左心室壁分割，以及85.97%的灵敏度、74.03%的特异性和86.85%的精度用于心肌梗死检测。*基准HMC-QU数据集已公开分享于仓库 https://www.kaggle.com/aysendegerli/hmcqu-dataset
引用
@article{arxiv.2010.02281,
title = {Early Detection of Myocardial Infarction in Low-Quality Echocardiography},
author = {Aysen Degerli and Morteza Zabihi and Serkan Kiranyaz and Tahir Hamid and Rashid Mazhar and Ridha Hamila and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2010.02281},
year = {2021}
}