Multi-frame Attention Network for Left Ventricle Segmentation in 3D Echocardiography.
Multi-frame Attention Network for Left Ventricle Segmentation in 3D Echocardiography.
复制标题
三维超声心动图左心室分割的多帧注意网络。
DOI：
10.1007/978-3-030-87193-2_33
复制
发表时间：
2021-09
期刊：
影响因子：
--
通讯作者：
Duncan JS
中科院分区：
文献类型：
--
作者：
Ahn SS;Ta K;Thorn S;Langdon J;Sinusas AJ;Duncan JS
超声心动图是用于评估患者心血管健康的主要成像方式之一。在超声心动图进行的众多分析中，左心室的分割对于量化射血分数等临床测量值至关重要。然而，3D 超声心动图中左心室的分割仍然是一项具有挑战性且乏味的任务。在本文中，我们提出了一种多帧注意力网络来提高 3D 超声心动图左心室分割的性能。多帧注意力机制允许使用目标图像之后的图像序列中高度相关的时空特征来增强分割的性能。 51 幅体内猪 3D+时间超声心动图图像的实验结果表明，与其他基于深度学习的标准医学图像分割模型相比，利用相关时空特征显着提高了左心室分割的性能。
Echocardiography is one of the main imaging modalities used to assess the cardiovascular health of patients. Among the many analyses performed on echocardiography, segmentation of left ventricle is crucial to quantify the clinical measurements like ejection fraction. However, segmentation of left ventricle in 3D echocardiography remains a challenging and tedious task. In this paper, we propose a multi-frame attention network to improve the performance of segmentation of left ventricle in 3D echocardiography. The multi-frame attention mechanism allows highly correlated spatiotemporal features in a sequence of images that come after a target image to be used to augment the performance of segmentation. Experimental results shown on 51 in vivo porcine 3D+time echocardiography images show that utilizing correlated spatiotemporal features significantly improves the performance of left ventricle segmentation when compared to other standard deep learning-based medical image segmentation models.
登录
查看更多内容
影响因子：
10.9
作者：
Schlemper J;Oktay O;Schaap M;Heinrich M;Kainz B;Glocker B;Rueckert D
通讯作者：
Rueckert D
影响因子：
37.8
作者：
Zhang J;Gajjala S;Agrawal P;Tison GH;Hallock LA;Beussink-Nelson L;Lassen MH;Fan E;Aras MA;Jordan C;Fleischmann KE;Melisko M;Qasim A;Shah SJ;Bajcsy R;Deo RC
通讯作者：
Deo RC
DOI：
10.1109/isbi45749.2020.9098664
发表时间：
2020-04
期刊：
Proceedings. IEEE International Symposium on Biomedical Imaging
影响因子：
--
作者：
Ta K;Ahn SS;Lu A;Stendahl JC;Sinusas AJ;Duncan JS
通讯作者：
Duncan JS
影响因子：
10.9
作者：
Dong, Suyu;Luo, Gongning;Li, Shuo
通讯作者：
Li, Shuo
影响因子：
10.9
作者：
Huang, Xiaojie;Dione, Donald P.;Compas, Colin B.;Papademetris, Xenophon;Lin, Ben A.;Bregasi, Alda;Sinusas, Albert J.;Staib, Lawrence H.;Duncan, James S.
通讯作者：
Duncan, James S.