二维超声心动图中的标准视图已经建立了良好,但是获得的图像的质量高度依赖于操作员的技能,并进行了主观评估。这项研究旨在通过定义一组新的特定领域质量指标来为超声心动图图像质量提供客观评估管道。因此,可以自动化图像质量评估以增强临床测量,解释和实时优化。我们开发了深层神经网络,用于对超声心动图框架的自动评估,这些评估是从11,262名成年患者中随机采样的。私有超声心动图数据集由33,784帧组成,以前在2010年至2020年之间获得。深度学习方法被用来提取时空特征,并根据平均绝对误差评估了图像质量指标。我们的质量指标涵盖了解剖学和病理元素,以分别提供解剖学可见性,清晰度,深度增益和预先理解性的多元评估评分。
translated by 谷歌翻译