Sviluppo di un sistema di gestione della qualità delle immagini per ecocardiografia basato sul deep learning

Sviluppare un sistema di gestione della qualità dell'immagine dell'ecocardiografia basato sull'apprendimento approfondito per ottenere un controllo automatico della qualità dell'immagine dell'ecocardiografia obiettivo e accurato. Un totale di 2000 pazienti che hanno eseguito l'ecocardiografia transtoracica sono stati arruolati in modo prospettico presso il Dipartimento di medicina ad ultrasuoni dell'affiliato Drum Tower Hospital con la facoltà di medicina dell'Università di Nanjing. I criteri di inclusione: pazienti con segmentazione della vista TTE standardizzata; I criteri di esclusione: Pazienti con segmentazioni standard incomplete. Sono stati raccolti i dati di 8 segmentazioni della vista TTE, comprese le viste dell'asse lungo parasternale del ventricolo sinistro (PLAX_LV), dell'asse corto parasternale del livello del grande vaso (PSAX_GV), dell'asse corto parasternale del livello della valvola mitrale (PSAX_MV), asse corto parasternale del livello del muscolo papillare (PSAX_PM), asse corto parasternale del livello apicale (PSAX_AP), quattro cavità apicali (A4C), tre cavità apicali (A3C), due cavità apicali (A2C). I dati di 1500 pazienti sono stati utilizzati come set di addestramento e il resto è stato utilizzato come set di validazione. Questi dati video sono stati classificati in segmenti di visualizzazione corrispondenti e analizzati dal modello trasformato di Video Swin. Quindi, sono stati stabiliti il ​​modulo di punteggio di diverse segmentazioni di visualizzazione che combinano l'estrazione di fotogrammi chiave, la segmentazione dell'immagine, il riconoscimento del target video e il modello di classificazione video. Allo stesso tempo, i punteggi ottenuti dal sistema automatico di valutazione dell'immagine dell'ecocardiografia sono stati confrontati con il punteggio artificiale. Correggendo e apprendendo costantemente e infine costruendo un sistema di classificazione automatizzato primario. Infine, il sistema di gestione della qualità dell'immagine dell'ecocardiografia è stato eseguito e migliorato sui restanti 500 pazienti.