对比超声心动图中硬件感知的实时心肌分割质量控制

对比超声心动图的自动心肌分割在心肌灌注参数量化中展现出巨大潜力。分割质量控制是确保分割结果准确性以用于质量研究及临床应用的重要步骤。通常，分割质量控制发生在数据采集之后。在数据采集时，操作者无法知晓分割结果的质量。即时分割质量控制可帮助操作者在质量不满意时调整超声探头或重新采集数据，从而大幅减少耗时的手动校正工作。然而，部署最先进的基于 DNN 的模型是不可行的，因为分割模块与质量控制模块必须适配超声机器上有限的硬件资源，同时满足严格的延迟约束。本文中，我们提出一种硬件感知的神经架构搜索框架，用于对比超声心动图的自动心肌分割与质量控制。我们显式地将硬件延迟作为正则化项纳入训练时的损失函数。所提方法在严格延迟下为分割模块与质量预测模块搜索最佳神经网络架构。