基于局部到全局像素面板注意力的实时自动M型超声心动图测量
计算机视觉与模式识别
2023-08-16 v1
摘要
运动模式（M型）记录是超声心动图测量心脏尺寸和功能的重要组成部分。然而，目前的诊断无法建立自动化方案，因为存在三个根本性障碍：首先，没有公开的数据集可用于构建自动化以保证一致结果并将M型超声心动图与实时实例分割（RIS）相衔接；其次，检查涉及对M型超声心动图进行耗时的手动标注；第三，由于超声心动图中的目标占据大量像素，现有骨干网络（如ResNet）由多个卷积层组成，其有限的感受野难以覆盖瓣膜运动的周期。现有的非局部注意力（NL）因高计算开销而无法实时，或因其非局部块的简化版本而丢失信息。因此，我们提出RAMEM，一种实时自动M型超声心动图测量方案，从三个方面解决问题：1）提供MEIS，一个用于实例分割的M型超声心动图数据集，以保证一致结果并支持自动化方案的开发；2）提出面板注意力，一种通过像素反洗牌实现的局部到全局高效注意力，将更新的UPANets V2嵌入RIS方案中，面向具有全局感受野的大目标检测；3）开发并实现AMEM，一种高效的自动M型超声心动图测量算法，可在诊断中实现快速准确的自动标注。实验结果表明，RAMEM在PASCAL 2012 SBD上超越了现有的RIS骨干网络（带非局部注意力），并在实时MEIS测试中超越了人类表现。MEIS的代码与数据集可在 https://github.com/hanktseng131415go/RAME 获取。
引用
@article{arxiv.2308.07717,
title = {Real-time Automatic M-mode Echocardiography Measurement with Panel Attention from Local-to-Global Pixels},
author = {Ching-Hsun Tseng and Shao-Ju Chien and Po-Shen Wang and Shin-Jye Lee and Wei-Huan Hu and Bin Pu and Xiao-jun Zeng},
journal= {arXiv preprint arXiv:2308.07717},
year = {2023}
}