Automated Assessment of Transthoracic Echocardiogram Image Quality Using Deep Neural Networks

要約

二次元心エコーにおける標準ビューは確立されているが、取得画像の品質はオペレータのスキルに大きく依存し、主観的に評価されている。本研究では、領域固有の品質指標を新たに定義することにより、心エコー図画質の客観的評価パイプラインを提供することを目的とする。その結果、画質評価を自動化することで、臨床計測、解釈、リアルタイム最適化を強化することができる。我々は、11,262人の成人患者からランダムにサンプリングされた心エコーフレームの自動評価のためのディープニューラルネットワークを開発しました。プライベート心エコーデータセットは、2010年から2020年の間に過去に取得された33,784フレームで構成されています。時空間特徴の抽出にはディープラーニングアプローチを用い、画質指標は平均絶対誤差に対して評価された。我々の品質指標は解剖学的要素と病理学的要素の両方をカプセル化し、解剖学的視認性、明瞭度、深度ゲイン、前景度についてそれぞれ多変量評価スコアを提供している。

要約(オリジナル)

Standard views in two-dimensional echocardiography are well established but the quality of acquired images are highly dependent on operator skills and are assessed subjectively. This study is aimed at providing an objective assessment pipeline for echocardiogram image quality by defining a new set of domain-specific quality indicators. Consequently, image quality assessment can thus be automated to enhance clinical measurements, interpretation, and real-time optimization. We have developed deep neural networks for the automated assessment of echocardiographic frame which were randomly sampled from 11,262 adult patients. The private echocardiography dataset consists of 33,784 frames, previously acquired between 2010 and 2020. Deep learning approaches were used to extract the spatiotemporal features and the image quality indicators were evaluated against the mean absolute error. Our quality indicators encapsulate both anatomical and pathological elements to provide multivariate assessment scores for anatomical visibility, clarity, depth-gain and foreshortedness, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL