Conceitos essenciais
이 연구는 심초음파 좌심실 구출률을 자동으로 정확하게 계산하는 새로운 파이프라인 방법을 제안합니다.
Resumo
이 연구는 심초음파 좌심실 구출률을 자동으로 계산하는 새로운 파이프라인 방법을 제안합니다. 이 방법은 다음과 같은 주요 단계로 구성됩니다:
심초음파 영상에서 좌심실을 자동으로 분할하기 위해 심층 신경망 모델을 사용합니다.
분할된 좌심실 영역과 길이 정보를 이용하여 좌심실 용적을 계산하고, 이를 바탕으로 좌심실 구출률을 산출합니다.
각 심장 주기의 좌심실 구출률을 평균하여 최종 좌심실 구출률을 도출합니다.
좌심실 구출률 40% 미만인 경우 심부전 환자로 분류합니다.
이 방법은 기존 수동 평가 방식보다 정확하고 효율적이며, 심장 리듬 변화에 따른 영향을 실시간으로 확인할 수 있습니다. 내부 검증 결과 좌심실 구출률 예측의 상관계수가 0.83이었고, 심부전 환자 분류의 AUC가 0.98로 우수한 성능을 보였습니다. 외부 데이터셋에서도 AUC 0.90의 성능을 달성하여 강건성을 입증했습니다.
Estatísticas
좌심실 면적은 분할 결과에서 픽셀 수를 세어 계산했습니다.
좌심실 길이는 앙상블 학습 모델을 통해 예측했습니다.
이를 바탕으로 좌심실 용적과 구출률을 계산했습니다.
Citações
"이 연구는 심초음파 좌심실 구출률을 자동으로 정확하게 계산하는 새로운 파이프라인 방법을 제안합니다."
"이 방법은 기존 수동 평가 방식보다 정확하고 효율적이며, 심장 리듬 변화에 따른 영향을 실시간으로 확인할 수 있습니다."