• 综述 •
深度学习在超声心动图中的研究进展
中华超声影像学杂志, 2022,31(5)
: 456-460. DOI: 10.3760/cma.j.cn131148-20211008-00710
摘要
超声心动图是临床评估心脏结构和功能的主要影像技术，具有无创、无辐射、实时等优点。随着深度学习的出现，利用深度神经网络分析超声心动图已成为目前研究的主流。笔者将从不同超声模态展开，根据超声心动图检查全流程，从标准切面的获取、分类，至量化心脏结构和功能，以及疾病诊断等方面，充分阐述深度学习在每一个环节中的最新研究进展。
引用本文:
张紫桑,
朱业,
张易薇,
等.
深度学习在超声心动图中的研究进展
[J]
. 中华超声影像学杂志, 2022, 31(5)
: 456-460.
DOI: 10.3760/cma.j.cn131148-20211008-00710.
扫 描 看 全 文
正文
作者信息
基金 0 关键词 0
English Abstract
评论
阅读 0 评论 0
相关资源
引用 | 论文 | 视频
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
超声心动图具有无创、无辐射、实时、动态和可床旁操作等优点，是心脏疾病筛查、诊断和随访的重要检查技术。随着人工智能(artificial intelligence，AI)技术的发展，深度学习(deep learning，DL)算法被广泛应用于医学图像领域。DL凭借其自主学习和分析大数据的能力，弥补传统超声检查依赖医生经验、存在观察者间和观察者内误差等不足，有助于充分发挥超声心动图的临床价值，为超声心动图的发展带来革新。在二维超声图像层面，DL模型不仅可以优化质控方案并实现切面分类，还可以提高心功能测量和疾病诊断的准确性。在三维超声图像中，DL模型有助于精准评估左心室、右心室和瓣膜功能。因此，笔者针对DL在超声心动图中的最新研究进展及未来发展方向综述如下。
