用于心功能评估的语义感知时间通道注意力
计算机视觉与模式识别
2023-10-10 v1
摘要
心功能评估旨在给定超声心动图视频的情况下预测左心室射血分数（LVEF），这要求模型关注心脏周期内左心室的变化。如何从超声心动图视频中准确且自动地评估心功能，是智能辅助医疗中有价值的话题。现有的基于视频的方法不太关注左心室区域，也不关注由运动引起的左心室变化。在本工作中，我们提出一种带左心室分割任务的半监督辅助学习范式，有助于左心室区域的表征学习。为更好地建模运动信息的重要性，我们引入时间通道注意力（TCA）模块以激发那些用于描述运动的通道。此外，我们通过将左心室分割图作为输入来重构具有语义感知的 TCA 模块，以聚焦于左心室的运动模式。最后，为降低直接回归 LVEF 的难度，我们利用基于锚点的分类与回归方法预测 LVEF。我们的方法在 Stanford 数据集上取得了最先进的性能，MAE 提升 0.22，RMSE 提升 0.26， 提升 1.9%。
引用
@article{arxiv.2310.05428,
title = {Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment},
author = {Guanqi Chen and Guanbin Li},
journal= {arXiv preprint arXiv:2310.05428},
year = {2023}
}
备注
Accepted by ISBI 2022 (oral)