机构名称：
¥ 6.0
先天性心脏缺陷（CHD）是最普遍的出生异常，严重影响婴儿的健康，并具有不良后果，例如残疾甚至死亡。但是，英国的产前检测仍然很低，为54％。我们提出了一条深度学习的管道，以从超声数据中进行鲁棒图像分析，以增强新生儿预后。我们揭示了脊柱的解剖学意义，并引入了一种基于斑点的新方法来定位。我们的管道使用平面检测模型提取心脏视图并执行语义分割以预测脊柱点。脊柱是自动提取诸如心脏轴和新型度量的已建立特征的地标 - 主动脉和导管血管之间的角度。我们使用逻辑回归将这些特征与含义心脏病相关联，以有效检测异常。我们的管道在诊断Fallot的四边形时达到了90％的明显准确性，而在持有的临床数据上，大动脉的转疗率为60％，超过了当前的临床检测率。这些结果强调心脏生物标志物的价值以及深度学习模型对迅速检测CHD的功效，从而改善了胎儿结局。
胎儿先天性心脏异常自动诊断的深度学习管道
主要关键词
相关文件推荐
