二尖瓣铰链点坐标估计——用于超声心动图分割的深度神经网络
图像与视频处理
2023-01-24 v1 计算机视觉与模式识别
机器学习
摘要
心脏图像分割在心血管疾病诊断与治疗中是一种有力工具。像二尖瓣这类解剖结构的纯基于特征的检测是一项费力任务，因其特别需要特征工程，且在超声心动图中尤为困难，因为后者固有低对比度及某些解剖结构间边界模糊。随着更多标注医疗数据集的发布与GPU算力的提升，基于深度学习的医学图像分割方法在过去数年变得更为可行。我们提出一种全自动二尖瓣铰链点检测方法，其第一步使用基于U-Net的深度神经网络分割超声心动图中的心腔，第二步从所得分割结果中提取二尖瓣铰链点。以该自动检测方法测得的结果与参考坐标值比较，中位绝对铰链点坐标误差x方向为1.35 mm（15–85百分位范围：[0.3 mm; 3.15 mm]），y方向为0.75 mm（15–85百分位范围：[0.15 mm; 1.88 mm]）。
引用
@article{arxiv.2301.08782,
title = {Estimation of mitral valve hinge point coordinates -- deep neural net for echocardiogram segmentation},
author = {Christian Schmidt and Heinrich Martin Overhoff},
journal= {arXiv preprint arXiv:2301.08782},
year = {2023}
}
备注
8 Pages, 11 figures Presented at WSCG 2022