Echocardiographic Image Quality Assessment Using Deep Neural Networks

要約

経胸壁心エコー検査において、心エコー画像の画質評価は重要な課題である。心臓の診断において、心臓の構造を生体内で観察することが重要視されるようになり、左心室機能の正確な診断がエコー画像の品質に大きく依存することが確認されています。これまで、エコー画像の目視評価は主観的であり、病態に応じた定義が必要であった。画質が悪いと定量性や診断性が損なわれる一方で、心エコー画像の画質基準のばらつきは、観察者間の複雑さを示し、臨床試験において、特に経験の浅い循環器専門医の評価が一貫していないことの明らかな証拠となる。本研究では、主に専門家によって議論される特定の品質特性を分析・定義し、そのような品質特性を客観的に評価するための完全に訓練された畳み込みニューラルネットワークモデルを提示することを目的としています。

要約(オリジナル)

Echocardiography image quality assessment is not a trivial issue in transthoracic examination. As the in vivo examination of heart structures gained prominence in cardiac diagnosis, it has been affirmed that accurate diagnosis of the left ventricle functions is hugely dependent on the quality of echo images. Up till now, visual assessment of echo images is highly subjective and requires specific definition under clinical pathologies. While poor-quality images impair quantifications and diagnosis, the inherent variations in echocardiographic image quality standards indicates the complexity faced among different observers and provides apparent evidence for incoherent assessment under clinical trials, especially with less experienced cardiologists. In this research, our aim was to analyse and define specific quality attributes mostly discussed by experts and present a fully trained convolutional neural network model for assessing such quality features objectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL