基于多视图超声心动图的心肌梗死早期检测
图像与视频处理
2025-01-27 v3 人工智能
计算机视觉与模式识别
机器学习
医学物理
摘要
心肌梗死（MI）是全球首要死因，由供养心肌的冠状动脉阻塞所致。MI的早期诊断及其定位可通过促进早期治疗干预来减轻心肌损伤范围。冠状动脉阻塞后，缺血心肌节段的局部室壁运动异常（RWMA）是最早出现的改变。超声心动图是评估任何RWMA的基本工具。仅从单一超声心动图视图评估左心室（LV）壁运动可能遗漏MI诊断，因为RWMA在该特定视图上可能不可见。因此，本研究提出融合心尖四腔（A4C）与心尖两腔（A2C）视图，其中可分析共计12个心肌节段以检测MI。所提方法首先通过主动多项式（APs）估计LV壁运动，其提取并跟踪心内膜边界以计算心肌节段位移。特征从A4C与A2C视图位移中提取，拼接后输入分类器以检测MI。本研究的主要贡献为：1）通过纳入A4C与A2C视图构建新的基准数据集，包含总计260段超声心动图记录，并已向公众研究界共享；2）通过基于机器学习的方法改进先前基于阈值的APs工作的性能；3）一种通过融合A4C与A2C视图信息的多视图超声心动图MI检测开创性方法。实验结果表明，所提方法在多视图超声心动图上实现90.91%灵敏度与86.36%精度的MI检测。软件实现共享于https://github.com/degerliaysen/MultiEchoAI。
引用
@article{arxiv.2111.05790,
title = {Early Myocardial Infarction Detection over Multi-view Echocardiography},
author = {Aysen Degerli and Serkan Kiranyaz and Tahir Hamid and Rashid Mazhar and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2111.05790},
year = {2025}
}