-
题名应用深度学习模型分类正常胎儿心脏超声切面
被引量：1
- 1
-
-
作者
宋书豪
曾施
-
机构
中南大学湘雅二医院超声诊断科
湖南省超声诊疗临床医学研究中心
中南大学湘雅二医院超声影像研究所
-
出处
《中国医学影像技术》
北大核心
2025年第1期70-73,共4页
-
基金
2023年度湖南省自然科学基金项目(2023JJ30743)
长沙市自然科学基金项目(kq2208341)。
-
文摘
目的观察4种深度学习(DL)模型分类正常胎儿7类心脏超声切面的价值。方法回顾性纳入200名于孕周18~24+6周接受胎儿心脏超声检查的正常胎儿,按7∶3比例分为训练集(n=140)和测试集(n=60)。收集三血管气管(3VT)切面、心尖四腔心(A4C)切面、主动脉弓长轴切面、双腔静脉切面、左心室流出道(LVOT)切面、三血管(three-vessel,3V)切面及右心室流出道(right ventricular outflow tract,RVOT)切面二维声像图,经过图像预处理后,采用4种DL模型Vision Transformer(ViT)、Data-efficient Image Transformer(DeiT)、Vision-long short term memory(ViL)及Multi-axis Vision Transformer(MaxViT)分别提取图像特征并构建正常胎儿心脏超声切面模型,以准确率、精确率、召回率及F1分数评估各模型于测试集中分类效能,并以梯度加权类激活映射(Grad-CAM)获取激活特征的热力图可视化图像中最具识别特征的区域。结果ViT、DeiT、ViL及MaxViT模型分类测试集中正常胎儿心脏超声切面的效能均表现优秀,其中MaxViT为最优模型,准确率、精确率、召回率及F1分数分别为98.93%、98.93%、98.95%及98.93%。Grad-CAM可视化结果显示,以DL模型分类正常胎儿心脏超声7类切面时,心脏、血管所在区域红色最深,对于分类的贡献最大,模型关注度最高。结论所获4种DL模型分类正常胎儿心脏超声切面均表现优越,尤以MaxViT模型效能最佳,且分类结果的可解释性获得Grad-CAM验证。
-
关键词
胎儿心脏
超声心动描记术
深度学习
-
Keywords
fetal heart
echocardiography
deep learning
-
分类号
R714.5
[医药卫生—妇产科学]
R540.45
[医药卫生—心血管疾病]
-
