基于超声心动图的可解释新生儿肺动脉高压预测
图像与视频处理
2022-03-25 v1 计算机视觉与模式识别
机器学习
摘要
新生儿和婴儿肺动脉高压（PH）是一种复杂病症，与多种导致发病和死亡的肺部、心脏及全身性疾病相关。因此，准确且早期的 PH 检测对于成功治疗至关重要。超声心动图是儿科的主要诊断工具，但其人工评估既耗时又依赖专业知识，因而亟需自动化方法。本工作中，我们提出一种可解释的多视角基于视频的深度学习方法，利用超声心动图对 194 名新生儿队列预测 PH。我们使用时空卷积架构从各视角预测 PH，并通过多数投票聚合不同视角的预测结果。据我们所知，这是首个利用超声心动图对新生儿 PH 进行自动评估的工作。我们的结果显示，在 10 折交叉验证下，严重程度预测的均值 F1 分数为 0.84，二分类检测的 F1 分数为 0.92。我们用显著图补充预测结果，表明所学模型聚焦于临床相关的心脏结构，为其临床应用提供了依据。
引用
@article{arxiv.2203.13038,
title = {Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms},
author = {Hanna Ragnarsdottir and Laura Manduchi and Holger Michel and Fabian Laumer and Sven Wellmann and Ece Ozkan and Julia Vogt},
journal= {arXiv preprint arXiv:2203.13038},
year = {2022}
}