心脏功能的准确评估对于诊断心血管疾病 ，筛查心脏毒性2和关于危重疾病患者的临床管理的决策至关重要 。然而 ，人类对心脏功能的评估集中在有限的心脏周期取样，尽管经过多年的训练 ，但仍有相当大的观察者间变异性4,5 。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） ，该算法超过了人类专家在分割左心室的关键任务中的表现 ，估计了射血分数和评估心肌病。经过超声心动图视频的培训，我们的模型准确地将左心室片段相似性系数为0.92 ，可预测射血分数 ，平均绝对误差为4.1％，并可靠地通过减少射血分数（曲线下的面积为0.97）对心力衰竭进行分类 。在另一个医疗保健系统的外部数据集中，Echonet-Dynamic预测射血分数的平均绝对误差为6.0％ ，并将射血分数减少 ，而曲线下的面积为0.96 。重复人类测量结果的前瞻性评估证实，该模型的差异与人类专家的差异相当或少。通过利用多个心脏周期的信息 ，我们的模型可以快速识别出射血分数的细微变化 ，比人类评估更可重复，并为实时精确诊断心血管疾病奠定了基础 。作为促进进一步创新的资源 ，我们还使公开提供10,030个带有超声心动图视频的大型数据集 。
本文来自作者[admin]投稿，不代表永利号立场，如若转载，请注明出处：http://www.siyonli.com/jyfx/202506-1494.html
评论列表（3条）
我是永利号的签约作者“admin”
本文概览： 心脏功能的准确评估对于诊断心血管疾病，筛查心脏毒性2和关于危重疾病患者的临床管理的决策至关重要。然而，人类对心脏功能的评估集中在有限的心脏周期取样，尽管经过多年的训练，但仍...
文章不错《基于视频的AI，用于对心脏功能的胜利评估》内容很有帮助