Développement d'un système de gestion de la qualité des images d'échocardiographie basé sur l'apprentissage en profondeur

Développer un système de gestion de la qualité des images d'échocardiographie basé sur l'apprentissage en profondeur pour obtenir un contrôle automatique objectif et précis de la qualité des images d'échocardiographie. Un total de 2000 patients effectuant une échocardiographie transthoracique ont été inscrits de manière prospective au département de médecine par ultrasons de l'hôpital affilié Drum Tower avec la faculté de médecine de l'université de Nanjing. Les critères d'inclusion : Patients avec segmentation de vue TTE standardisée ; Les critères d'exclusion : Patients avec des segmentations standards incomplètes. Les données de 8 segmentations de vues TTE ont été collectées, dont les vues du grand axe parasternal du ventricule gauche (PLAX_LV), petit axe parasternal du niveau des gros vaisseaux (PSAX_GV), petit axe parasternal du niveau de la valve mitrale (PSAX_MV), petit axe parasternal du niveau du muscle papillaire (PSAX_PM), petit axe parasternal du niveau apical (PSAX_AP), quatre cavités apicales (A4C), trois cavités apicales (A3C), deux cavités apicales (A2C). Les données de 1500 patients ont été utilisées comme ensemble d'apprentissage, et les autres ont été utilisées comme ensemble de validation. Ces données vidéo ont été classées en segmentations de vue correspondantes et analysées par le modèle transformé de vidéo Swin. Ensuite, le module de notation des différentes segmentations de vues combinant l'extraction d'images clés, la segmentation d'images, la reconnaissance de cible vidéo et le modèle de classification vidéo a été établi. Dans le même temps, les scores obtenus par le système d'évaluation automatique des images d'échocardiographie ont été comparés au score artificiel. En corrigeant et en apprenant constamment et en construisant éventuellement un système de notation automatisé principal. Enfin, le système de gestion de la qualité des images d'échocardiographie a été réalisé sur les 500 patients restants et amélioré.