从3D心脏超声自动提取可解释的2D视频

尽管心脏具有复杂的三维(3D)解剖结构，但常规医学影像仍依赖一系列显示单个心脏结构的2D视频。3D心脏超声是一种正在发展的模态，现已具备足够的图像质量可用于临床应用，潜在可简化采集并提高对偏轴特征的评估。我们提出了一种自动从3D心脏超声体积中选择标准2D视图的方法，使医生能够以熟悉格式解读数据，同时受益于3D扫描的速度和可用性。通过应用深度学习视图分类器和基于解剖 landmarks 的下游启发式方法，以及心脏科医生提供的启发式方法，我们重建了标准心脏超声视图。该方法经三位心脏科医生在盲法评估中验证(在1600个来自2家医院的视频中达到96%准确率)。提取的2D视频也被证明能够检测心脏异常(使用AI心脏超声模型如EchoPrime和PanEcho)，以及能够生成临床水平的心脏解剖测量(EchoNet-Measurement)。我们展示了提取的2D视频保留了空间校准和诊断特征，使临床医生能够从3D体积中获得准确的实际解释。我们公开了代码和29个3D心脏超声视频数据集 https://github.com/echonet/3d-echo。