Sign In

Estimation of Segmental Longitudinal Strain in Transesophageal Echocardiography by Deep Learning

Created by
  • Haebom
Category
Empty

저자

Anders Austlid Tasken, Thierry Judge, Erik Andreas Rye Berg, Jinyang Yu, Bj{\o}rnar Grenne, Frank Lindseth, Svend Aakhus, Pierre-Marc Jodoin, Nicolas Duchateau, Olivier Bernard, Gabriel Kiss

개요

딥러닝 기반 자동화 파이프라인 autoStrain을 사용하여 경식도 심장 초음파(TEE)에서 좌심실(LV) 분절 종축 변형률(SLS)을 추정하는 연구. 두 가지 딥러닝 모델(TeeFlow, TeeTracker)을 비교 분석하고, 합성 TEE 데이터셋(synTEE)을 사용하여 모델을 훈련 및 평가함. TeeTracker가 더 높은 정확도를 보였으며, 임상 검증을 통해 autoStrain 파이프라인이 임상 레퍼런스와 일치함을 확인.

시사점, 한계점

•
시사점:
◦
딥러닝 기반의 자동화된 SLS 추정 파이프라인(autoStrain) 개발.
◦
TEE 영상에서 심장 기능 평가의 정확성과 효율성 향상 가능성 제시.
◦
합성 데이터셋(synTEE)을 활용한 딥러닝 모델 훈련 및 평가.
◦
TeeTracker가 TeeFlow보다 더 높은 정확도를 보임.
◦
임상 검증을 통해 임상적 유용성 확인.
◦
허혈 시뮬레이션 데이터 포함으로 이상 변형 정량화 정확도 개선.
•
한계점:
◦
실제 초음파 영상 데이터가 아닌 합성 데이터셋을 주로 사용.
◦
임상 검증 환자 수가 상대적으로 적음.
◦
구체적인 모델 성능 비교(예: 다른 기존 방법론과의 비교)에 대한 정보 부족.
👍
Made with Slashpage