用于心脏射血分数估计的超声视频 Transformer
计算机视觉与模式识别
2021-07-05 v1
摘要
心脏超声成像用于诊断多种心脏疾病。常见的分析流程涉及临床专家对视频帧的手动处理，这存在观察者内与观察者间差异。我们提出了一种基于 transformer 架构的超声视频分析新方法，该架构由残差自编码器网络与适配于 token 分类的 BERT 模型构成，可处理任意长度的视频。我们将模型应用于收缩末期（ES）与舒张末期（ED）帧检测任务以及左心室射血分数的自动计算。在任意长度视频上，我们对 ES 取得平均帧距离 3.36 帧，对 ED 取得 7.17 帧。我们的端到端可学习方法能以每视频 0.15s 估计射血分数，MAE 为 5.95、 为 0.52，表明分割并非预测射血分数的唯一途径。代码与模型见 https://github.com/HReynaud/UVT。
引用
@article{arxiv.2107.00977,
title = {Ultrasound Video Transformers for Cardiac Ejection Fraction Estimation},
author = {Hadrien Reynaud and Athanasios Vlontzos and Benjamin Hou and Arian Beqiri and Paul Leeson and Bernhard Kainz},
journal= {arXiv preprint arXiv:2107.00977},
year = {2021}
}
备注
Accepted for MICCAI 2021