2D 超声心动图中低复杂度心肌点追踪
图像与视频处理
2025-03-14 v1 计算机视觉与模式识别
摘要
深度学习方法在2D 超声心动图中用于点追踪，但尚未充分发挥领域特性优势，无法实现极致的快速和高效。我们开发了MyoTracker，这是一个用于超声心动图点追踪的低复杂度架构（0.3M 参数），基于CoTracker2架构，通过简化组件并扩展时间上下文，为整个序列提供点预测。我们将MyoTracker应用于右心室（RV）心肌，进行RV专注记录，并与CoTracker2和另一种针对超声心动图的点追踪架构EchoTracker进行比较。MyoTracker在平均点轨迹误差方面达到2.00 ± 0.53 mm，低于其他方法。使用MyoTracker计算RV自由壁应变（RV FWS），结果与商业软件参考值相比，偏差为-0.3%，95%置信区间为-6.1%至5.4%，在前述研究的间接观察变异范围内。CoTracker2和EchoTracker的置信区间更宽，超过间接观察变异范围。MyoTracker在大型序列（100帧）上的推理时，GPU内存使用比CoTracker2少67%，比EchoTracker少84%。在我们的设备上，MyoTracker比CoTracker2快74倍，比EchoTracker快11倍。维持整个序列的时间上下文是MyoTracker准确性的最大贡献者。通过重新启用迭代细化，可获得轻微的额外提升，但会增加处理时间。
引用
@article{arxiv.2503.10431,
title = {Low Complexity Point Tracking of the Myocardium in 2D Echocardiography},
author = {Artem Chernyshov and John Nyberg and Vegard Holmstrøm and Md Abulkalam Azad and Bjørnar Grenne and Håvard Dalen and Svein Arne Aase and Lasse Lovstakken and Andreas Østvik},
journal= {arXiv preprint arXiv:2503.10431},
year = {2025}
}