基于 Mobile U-Net 的轻量可解释左心室射血分数估计
图像与视频处理
2023-04-18 v1
摘要
准确的 LVEF（左心室射血分数）测量在临床实践中十分重要，因其可识别可能需接受延长生命治疗的患者。本文提出一种基于深度学习的框架，从完整的四腔心尖超声心动图视频中自动估计左心室射血分数。所提框架旨在提供可解释且计算高效的射血分数预测流程。我们开发了轻量 Mobile U-Net 网络以分割超声心动图视频每帧中的左心室。基于 Simpson 单平面法实现了无监督 LVEF 估计算法。在大型公开数据集上的实验结果表明，我们所提方法在达到与 SOTA 相当精度的同时，空间与时间效率显著提升（参数减少 5 倍，FLOPS 减少 10 倍）。
引用
@article{arxiv.2304.07951,
title = {Lightweight and Interpretable Left Ventricular Ejection Fraction Estimation using Mobile U-Net},
author = {Meghan Muldoon and Naimul Khan},
journal= {arXiv preprint arXiv:2304.07951},
year = {2023}
}
备注
5 pages, 7 figures