| 基于深度学习的超声图像左心室射血分数自动测量研究 |
| |
| 引用本文： | 蒋建慧,罗守华. 基于深度学习的超声图像左心室射血分数自动测量研究[J]. 临床超声医学杂志, 2019, 21(1) |
| |
| 作者姓名： | 蒋建慧 罗守华 |
| |
| 作者单位： | 东南大学生物科学与医学工程学院,东南大学生物科学与医学工程学院 |
| |
| 基金项目： | 本项目受到国家重点研发计划（2017YFA0104302）和国家自然科学基金（61871126）的支持。 |
| |
| 摘 要： | 为提高基于超声心动图Simpson法的左心室射血分数（LVEF）测量的效率，提出了一种深度学习自动测量LVEF的方法。首先，建立卷积神经网络（CNN），利用收集的38153张标记的数据对网络进行训练测试和验证，将采集到的超声心动图数据自动分成五类，从而获取到心尖二腔切面（A2C）和心尖四腔切面（A4C)；其次，建立全卷积网络，以VGG-19为主干架构，利用收集的3871张 A2C 和 4679张A4C数据进行训练验证，对自动获得的A2C和A4C的左心室进行自动分割，并计算得出LVEF。测试结果显示，该方法在得到A2C和A4C的准确率达96.8%，而分割真阳性率达到88.8%，所得LVEF误差率为0.038947。由于所提出的方法是完全利用机器去完成，较传统的方法精度和效率更高。
|
| 关 键 词： | 左心室射血分数；超声心动图；深度学习；卷积神经网络；全卷积神经网络 |
| 收稿时间： | 2018-11-05 |
| 修稿时间： | 2018-11-13 |
AUTOMATIC MEASUREMENT STUDY OF LEFT VENTRICULAR EJECTION FRACTION VIA DEEP LEARNING IN ULTRASOUND IMAGES |
| |
| jiangjianhui and luoshouhua. AUTOMATIC MEASUREMENT STUDY OF LEFT VENTRICULAR EJECTION FRACTION VIA DEEP LEARNING IN ULTRASOUND IMAGES[J]. Journal of Ultrasound in Clinical Medicine, 2019, 21(1) |
| |
| Authors: | jiangjianhui and luoshouhua |
| |
| Affiliation: | School of Biological Science and Medical Engineering, Southeast University,School of Biological Science and Medical Engineering, Southeast University |
| |
| Abstract: | |
| |
| Keywords: | left ventricular ejection fraction echocardiography deep learning convolution neural network fully convolutional networks |
|
| 点击此处可从《临床超声医学杂志》浏览原始摘要信息 |
|
点击此处可从《临床超声医学杂志》下载免费的PDF全文 |
