1简单介绍
1.1 论文简介
论文地址Video-based AI for beat-to-beat assessment of cardiac function
数据集地址:here获取好像还挺麻烦的。需要在网站上填写并申请数据集,斯坦福那边会发邮件并拉入一个box组,就可以访问公开的超声心动数据集了。
对心功能的准确评估对于心血管疾病的诊断、心脏毒性的筛查以及对危重症患者的临床管理的决策至关重要。然而,人类对心功能的评估集中在有限的心脏周期抽样上,尽管经过多年的训练,但观察者间存在相当大的差异性。在这里,为了克服这一挑战,我们提出了一种基于视频的深度学习算法——EchoNet-Dynamic——它在分割左心室、估计射血分数和评估心肌病等关键任务上超过了人类专家的表现。
通过超声心动图视频的训练,我们的模型以骰子相似度为0.92精确分割左心室,预测射血分数的平均绝对误差为4.1%,并可靠地分类射血分数降低的心力衰竭(曲线下面积为0.97)。在来自另一个医疗保健系统的外部数据集中,EchoNet动力学预测射血分数的平均绝对误差为6.0%,并将射血分数降低的心力衰竭的曲线下面积分类为0.96。
通过重复的人类测量进行的前瞻性评估认为,该模型的方差与人类专家相当或更小。通过利用多个心脏周期的信息,我们的模型可以快速识别射血分数的细微变化,比