心脏超声视频中的层次时空分割网络：用于心脏收缩功能估计
计算机视觉与模式识别
2025-08-27 v1
摘要
心脏超声视频中左心室内膜的自动分割是心脏学中的关键研究领域。旨在通过心脏收缩功能（EF）估计提供准确的心脏结构和功能评估。尽管已有研究在分割性能方面取得了好结果，但其结果在 EF 估计方面表现不佳。本文提出了一种层次时空分割网络（\ourmodel），用于心脏超声视频，旨在通过协同局部细节建模与全局动态感知来提高 EF 估计准确性。该网络采用层次设计，低层阶段使用卷积网络处理单帧图像并保留细节，而高层阶段采用 Mamba 架构捕获时空关系。该层次设计在单帧和多帧处理之间取得平衡，避免仅依赖单帧导致的局部误差累积或仅使用多帧数据而忽略细节的问题。为克服局部时空限制，我们提出了时空交叉扫描（STCS）模块，通过跨帧和跨位置的跳过扫描整合长程上下文。该方法有助于缓解超声图像噪声等因素导致的 EF 计算偏差。
引用
@article{arxiv.2508.18681,
title = {Hierarchical Spatio-temporal Segmentation Network for Ejection Fraction Estimation in Echocardiography Videos},
author = {Dongfang Wang and Jian Yang and Yizhe Zhang and Tao Zhou},
journal= {arXiv preprint arXiv:2508.18681},
year = {2025}
}