机构名称：
¥ 2.0
†作者做出了同样的贡献。抽象的胎儿心脏健康是诊断和治疗的关键部分，其中一种方法是胎儿心脏超声。该过程的关键方面是检测标准超声切片，这对于准确的诊断至关重要。诊断的有效性在很大程度上取决于超声医师的临床经验和专业知识。为提高检测效率并最大程度地误诊，我们开发了一种使用多任务学习和混合注意机制来支持超声医师的诊断工作的胎儿心脏超声标准平面（FCUM）的单阶段检测模型。我们的模型将自定义设计的混合注意机理模块集成到骨架中，并具有检测网络的融合金字塔。此集成使多任务网络更准确，有效地提取共享特征，从而提高检测和分类精度。此外，我们设计了一个分类模块，该模块使用多层残留网络进行特征融合，从而改善了分类性能并加速收敛。我们对来自不同设备和区域的一组胎儿心脏超声图像进行了测试。结果表明，我们的模型在检测和分类精度中都显着优于基线模型，例如yolov8和resnet-50。简介
增强胎儿心脏超声诊断
主要关键词
相关文件推荐
