CN116350263A - 超声心动图辅助报告生成方法、系统、设备及存储介质 - Google Patents

超声心动图辅助报告生成方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN116350263A
CN116350263A CN202310286285.9A CN202310286285A CN116350263A CN 116350263 A CN116350263 A CN 116350263A CN 202310286285 A CN202310286285 A CN 202310286285A CN 116350263 A CN116350263 A CN 116350263A
Authority
CN
China
Prior art keywords
auxiliary
echocardiographic
report
node information
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310286285.9A
Other languages
English (en)
Inventor
刘江
林慧燕
匡浩玮
王槐堂
骆仕伟
叶海礼
胡衍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202310286285.9A priority Critical patent/CN116350263A/zh
Publication of CN116350263A publication Critical patent/CN116350263A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/468—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请实施例公开了一种超声心动图辅助报告生成方法、系统、设备及存储介质，涉及医疗技术领域。其中，超声心动图辅助报告生成方法首先通过自动配准并对齐输入的超声心动图视频，然后识别超声心动图视频中各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，在利用医学影像分割模型将超声视频帧中的心脏结构分割为N个目标区域的目标图像，并由此得到结构参数，再将结构参数输入到超声心动图知识图谱自动生成辅助报告，包括辅助诊断报告和/或辅助解读报告。由此无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。

Description

超声心动图辅助报告生成方法、系统、设备及存储介质
技术领域
本申请涉及医疗技术领域，特别是涉及一种超声心动图辅助报告生成方法、系统、设备及存储介质。
背景技术
目前，中国正面临人口老龄化和代谢危险因素流行的双重压力，心血管疾病发病率和患病率持续增高，已成为居民死亡的首位原因。心脏疾病主要包括心力衰竭，心律失常，冠心病，冠状动脉异常等等，发病率高，危害性强，具有渐进性和突发性的特点，因此定期检查心脏功能对于心脏健康非常重要。
当前的心脏功能检查手段通常是超声检查，超声检查是一种基于超声波的医学影像学诊断技术，通过超声能够直观得看到肌肉和内脏器官的大小、结构和病理学病灶。然而相关技术中的超声检查通常需要手动测量填入相关的临床参数，再根据这些参数值和超声视频手动输入诊断意见，才能生成完整的检查报告，由此增加了医生的工作量。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请实施例提供了一种超声心动图辅助报告生成方法、系统、设备及存储介质，能够基于超声心动图视频自动生成辅助报告，有效提高工作效率。
第一方面，本申请实施例提供了一种超声心动图辅助报告生成方法，包括：
自动配准并对齐输入的超声心动图视频；所述超声心动图视频包括至少一个完整的心动周期；
识别各个所述心动周期的起始时间，并基于预设帧数生成各个所述心动周期的超声视频帧；
基于所述超声视频帧，利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数；其中N为大于1的整数；
基于所述结构参数和预先构建的超声心动图知识图谱生成辅助报告；所述辅助报告包括：辅助诊断报告和/或辅助解读报告。
在本申请的一些实施例中，所述自动配准并对齐输入的超声心动图视频，还包括：
检测多个所述超声视频帧的关键点信息；
基于所述关键点信息选取所述超声心动图视频中的标准切面和非标准切面；
利用所述标准切面对所述非标准切面进行自动配准，得到对齐的超声心动图视频。
在本申请的一些实施例中，所述基于所述超声视频帧，利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数，还包括：
利用医学影像分割模型对所述超声视频帧中的心脏结构进行分割，得到N个所述目标区域的所述目标图像；
对每个所述目标图像进行图像二值化，得到二值化图像；
对所述二值化图像进行边缘检测，得到每个所述目标区域的位置信息；
基于每个所述位置信息得到所述结构参数。
在本申请的一些实施例中，所述结构参数包括以下至少一种：左心室舒张末期容积、左心室收缩末期容积、室间隔厚度、左心室后壁厚度、右室流出道、射血分数，其中所述射血分数根据所述左心室舒张末期容积和所述左心室收缩末期容积计算得到。
在本申请的一些实施例中，所述基于所述结构参数和超声心动图知识图谱生成辅助报告，还包括：
将所述结构参数输入超声心动图知识图谱，得到图谱查询路径；
基于所述图谱查询路径得到辅助诊断结论；
基于所述辅助诊断结论、预设诊断模板和所述超声视频帧生成辅助诊断报告。
在本申请的一些实施例中，还包括：
基于预设诊断建议得到所述辅助诊断结论的解读结论；
根据所述解读结论和预设解读模板生成所述辅助解读报告。
在本申请的一些实施例中，所述结构参数包括以下至少一种：左心室舒张末期容积、左心室收缩末期容积、室间隔厚度、左心室后壁厚度、右室流出道、射血分数；所述超声心动图知识图谱包括所述结构参数、目标节点信息和辅助诊断结论，根据所述结构参数判断所述目标节点信息，根据所述目标节点信息和预设诊断标准得到所述辅助诊断结论；所述基于所述结构参数和超声心动图知识图谱，自动生成辅助报告之前，还包括：
构建所述超声心动图知识图谱，构建过程包括：
若所述左心室后壁厚度大于第一参数，则所述目标节点信息为左室后壁增厚，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为高血压心脏病或主动脉瓣狭窄；
若所述左心室后壁厚度小于第二参数，则所述目标节点信息为左室后壁偏薄，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为扩张性心肌病；
若所述室间隔厚度大于第三参数，则所述目标节点信息为室间隔增厚，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为冠心病；
若所述室间隔厚度小于第四参数，则所述目标节点信息为室间隔偏薄，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为扩张性心肌病；
若所述右室流出道大于第五参数，则所述目标节点信息为右室流出道内径过大，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为右心室肥大或右心室增大；
若所述射血分数大于第六参数，则所述目标节点信息为左室收缩功能测量值过高，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为射血分数病态性过高；
若所述室间隔厚度小于第七参数，则所述目标节点信息为左室收缩功能测量值过低，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为左室收缩功能减低；
若所述室间隔厚度大于第三参数，且所述左心室后壁厚度大于第一参数，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为肥厚型心肌病；
所述图谱查询路径根据所述结构参数、所述目标节点信息和所述辅助诊断结论生成。
第二方面，本申请实施例还提供了一种超声心动图辅助报告生成系统，包括：
自动配准模块，用于自动配准并对齐输入的超声心动图视频；所述超声心动图视频包括至少一个完整的心动周期；
预处理模块，用于识别各个所述心动周期的起始时间，并基于预设帧数生成各个所述心动周期的超声视频帧；
分割提取模块，用于利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数；其中N为大于1的整数；
报告生成模块，用于基于所述结构参数和预先构建的超声心动图知识图谱生成辅助报告；所述辅助报告包括：辅助诊断报告和/或辅助解读报告。
第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如本申请第一方面实施例所述的超声心动图辅助报告生成方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如本申请第一方面实施例所述的超声心动图辅助报告生成方法。
本申请实施例至少包括以下有益效果：本申请实施例提供了一种超声心动图辅助报告生成方法、系统、设备及存储介质，其中，超声心动图辅助报告生成方法首先通过自动配准并对齐输入的超声心动图视频，然后识别超声心动图视频中各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，在利用医学影像分割模型将超声视频帧中的心脏结构分割为N个目标区域的目标图像，并由此得到结构参数，再将结构参数输入到超声心动图知识图谱自动生成辅助报告，包括辅助诊断报告和/或辅助解读报告。由此无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请一个实施例提供的超声心动图辅助报告生成方法的流程示意图；
图2是图1中步骤S101的流程示意图；
图3是图1中步骤S103的流程示意图；
图4是图1中步骤S104的流程示意图；
图5是本申请一个实施例提供的超声心动图知识图谱示意图；
图6是本申请一个实施例提供的超声辅助诊断报告示意图；
图7是图4中步骤S403之后的流程示意图；
图8是本申请一个实施例提供的超声辅助解读报告示意图；
图9是本申请一个实施例提供的超声心动图辅助报告生成系统模块示意图；
图10是本申请一个实施例提供的电子设备的结构示意图。
附图标记：自动配准模块100、预处理模块200、分割提取模块300、报告生成模块400、电子设备1000、处理器1001、存储器1002。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
为了更好地理解本申请提供的技术方案，在此对本文中出现的术语进行相应地说明：
心动周期：指从一次心跳的起始到下一次心跳的起始，心血管系统所经历的过程。心脏舒张时内压降低，腔静脉血液回流入心，心脏收缩时内压升高，将血液泵到动脉。心脏每收缩和舒张一次构成一个心动周期。一个心动周期中首先是两心房收缩，其中右心房的收缩略先于左心房。心房开始舒张后两心室收缩，而左心室的收缩略先于右心室。在心室舒张的后期心房又开始收缩。
心力衰竭:简称心衰，指由于心脏的收缩功能和(或)舒张功能发生障碍，不能将体循环静脉回心血量充分排出心脏，导致静脉系统血液淤积，动脉系统血液灌注不足，从而引起心脏循环障碍的一种疾病。
射血分数：指每搏输出量占心室舒张末期容积量(即心脏前负荷)的百分比，正常值为50-70％，可通过心脏彩超进行检查，是判断心力衰竭类型的重要指征之一。
目前，中国正面临人口老龄化和代谢危险因素流行的双重压力，心血管疾病发病率和患病率持续增高，已成为居民死亡的首位原因。最新的《中国心血管健康与疾病报告2021》显示，2019年农村、城市心血管病分别占死因的46.74％和44.26％，每5例死亡中就有2例死于心血管病，2021年预计心血管病现患人数3.3亿人，其中心脏相关疾病的人数超过了3000万人。心脏疾病主要包括心力衰竭，心律失常，冠心病，冠状动脉异常等等，发病率高，危害性强，具有渐进性和突发性的特点。因此，定期检查心脏功能对于心脏健康非常重要。
当前的心脏功能检查手段主要包括心电图、冠状动脉CT、冠脉造影、超声检查等。其中，心电图只能用于发现一些功能异常，无法看到整体的形态，冠状动脉CT和冠脉造影则需要注入造影剂，对人体有害，不适用于定期检查。因此无创而准确性高的超声检查成为了研究的重点。超声检查是一种基于超声波的医学影像学诊断技术，通过超声能够直观得看到肌肉和内脏器官的大小、结构和病理学病灶。然而现阶段的超声检查通常需要医生在获得机器扫描的超声视频后，根据自身的知识手动测量填入相关的临床参数，再根据这些参数值和超声视频手动输入诊断意见，才能生成完整的检查报告，而且患者通常难以理解报告上的医学术语。因此为了减轻医生的负担和工作压力，开发自动生成辅助报告的超声心动图视频分析系统具有重大意义。
基于此，本申请实施例提供了一种超声心动图辅助报告生成方法、系统、设备及存储介质，其中，超声心动图辅助报告生成方法首先通过自动配准并对齐输入的超声心动图视频，然后识别超声心动图视频中各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，在利用医学影像分割模型将超声视频帧中的心脏结构分割为N个目标区域的目标图像，并由此得到结构参数，再将结构参数输入到超声心动图知识图谱自动生成辅助报告，包括辅助诊断报告和/或辅助解读报告。由此无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。
参照图1所示，本申请实施例提供了一种超声心动图辅助报告生成方法，包括但不限于以下步骤S101至步骤S104。
步骤S101，自动配准并对齐输入的超声心动图视频。
在一些实施例中，超声心动图视频包括至少一个完整的心动周期，读入超声心动图视频的数据后，自动寻找标准切面，并基于标准切面对非标准切面进行自动配准，医生不必再手动移动超声探头寻找标准切面，即可得到对齐后的超声心动图视频。
步骤S102，识别各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧。
在一些实施例中，自动识别对齐后的超声心动图视频文件内的各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，示例性的，预设帧数可以为32，即对视频文件内的每一个心动周期生成32个超声视频帧；又例如，预设帧数可以为64，即对视频文件内的每一个心动周期生成64个超声视频帧，本实施例对此不做限制。
步骤S103，基于超声视频帧，利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个目标图像得到结构参数。
在一些实施例中，利用医学影像分割模型对超声视频帧中的心脏结构分割为N个目标区域的目标图像，其中N为大于1的整数。示例性的，当N为9时，心脏结构可以分割为以下9个目标区域：左心室心内膜，左心室心外膜，右心室心内膜，右心室心外膜，三尖瓣，肺动脉瓣，二尖瓣，主动脉瓣，室间隔；又例如，当N为10时，心脏结构可以分割为以下10个目标区域：右心室前壁、右心室、室间隔、左心室、左心室后壁、左心室流出道、主动脉瓣、主动脉窦部、近端升主动脉、左心房，本实施例对此不做限制。
在一些实施例中，对心脏结构分割成不同的目标区域后，对背景区域和目标区域进行赋值，将背景区域赋值为0，不同的目标区域分别赋值为1至N的整数。示例性的，当N为9时，对9个目标区域分别赋值为1至9的整数，具体的，将左心室心内膜赋值为1，左心室心外膜赋值为2，右心室心内膜赋值为3，右心室心外膜赋值为4，三尖瓣赋值为5，肺动脉瓣赋值为6，二尖瓣赋值为7，主动脉瓣赋值为8，室间隔赋值为9。
可以理解的是，超声视频帧的心脏结构分割为N个目标区域后对应有N个目标图像，基于各个目标图像得到目标区域对应的结构参数。
步骤S104，基于结构参数和预先构建的超声心动图知识图谱生成辅助报告。
在一些实施例中，辅助报告包括辅助诊断报告和辅助解读报告，具体的，将结构参数输入预先构建的超声心动图知识图谱，自动得到辅助诊断结论从而生成辅助诊断报告和辅助解读报告，辅助医生诊断，无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。
参照图2所示，在本申请的一些实施例中，上述步骤S101还可以包括但不限于以下步骤S201至步骤S203。
步骤S201，检测多个超声视频帧的关键点信息。
在一些实施例中，自动配准过程包括特征点检测、特征匹配和图像变换，首先特征点检测即检测超声视频帧的关键点信息，具体的，使用AKAZE算法检测超声视频帧图像中的关键点信息。
步骤S202，基于关键点信息选取超声心动图视频中的标准切面和非标准切面。
在一些实施例中，特征匹配是使用OpenCV的BFMatcher匹配算法匹配超声心动图视频中的标准切面和非标准切面两个图像中的关键点信息，从而基于关键点信息选取超声心动图视频中的标准切面和非标准切面。
步骤S203，利用标准切面对非标准切面进行自动配准，得到对齐的超声心动图视频。
在一些实施例中，图像变换是利用标准切面对非标准切面进行自动配准，示例性的，使用OpenCV的findHomography函数计算Homographies矩阵，warpPerspective函数将基于Homographies矩阵将超声心动图视频中的非标准切面变换成标准切面，从而得到对齐的超声心动图视频。
参照图3所示，在本申请的一些实施例中，上述步骤S103还可以包括但不限于以下步骤S301至步骤S304。
步骤S301，利用医学影像分割模型对超声视频帧的心脏结构进行分割，得到N个目标区域的所述目标图像。
在一些实施例中，利用医学影像分割模型对超声视频帧的心脏结构分割为N个目标区域的目标图像，其中N为大于1的整数。示例性的，当N为9时，心脏结构可以分割为以下9个目标区域：左心室心内膜，左心室心外膜，右心室心内膜，右心室心外膜，三尖瓣，肺动脉瓣，二尖瓣，主动脉瓣，室间隔，从而得到对应的9个目标图像；又例如，当N为10时，心脏结构可以分割为以下10个目标区域：右心室前壁、右心室、室间隔、左心室、左心室后壁、左心室流出道、主动脉瓣、主动脉窦部、近端升主动脉、左心房，从而得到对应的10个目标图像。
步骤S302，对每个目标图像进行图像二值化，得到二值化图像。
可以理解的是，图像二值化是将图像上的像素点的灰度值设置为0或255，即将整个图像呈现出明显的黑白效果的过程，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。在一些实施例中，使用OpenCV工具库中的相关函数对每个目标图像进行图像二值化，得到二值化图像。
步骤S303，对二值化图像进行边缘检测，得到每个目标区域的位置信息。
在一些实施例中，对二值化图像进行边缘检测，使用边缘检测函数得到每个目标区域的位置信息。示例性的，使用边缘检测函数找到心脏的左心房、右心房、左心室以及右心室这四个腔体和瓣膜的具体位置，然后使用多边形拟合函数分析四个腔体的几何数据，包括长径和横径，最后统计目标像素点的个数，以此估计各个腔体的面积，心脏腔室大小与心功能评估是心脏超声检查基础。
步骤S304，基于每个位置信息得到结构参数。
在一些实施例中，结构参数包括以下至少一种：左心室舒张末期容积(end-diastolic volume,EDV)、左心室收缩末期容积(end-systolic volume,ESV)、室间隔厚度(interventricular septal thickness,IVST)、左心室后壁厚度(left ventricularposterior wall thickness,LVPWT)、右室流出道(right ventricular outflow tract,RVOT)、射血分数(ejection fraction,EF)，其中射血分数根据左心室舒张末期容积和左心室收缩末期容积计算得到。
在一些实施例中，基于各个目标区域的位置信息可以得到对应的结构参数，示例性的，针对心力衰竭诊断任务，需要测量左心室收缩末期容积和左心室舒张末期容积两个结构参数，而心动周期指从一次心跳的起始到下一次心跳的起始，心血管系统所经历的过程，包含收缩期和舒张期。心室舒张的时候血液充盈心室，当心室舒张到最大的时候，左心室充盈的血容量，称为左心室舒张末期容积。心室收缩的时候血液流出心室，当心室收缩到最小的时候，左心室残余的血液容量，称为左心室收缩末期容积。在左心室心内膜分割的超声视频帧中，选择左心室收缩末期和左心室舒张末期的图像，基于目标区域的位置信息计算得到左心室心内膜围起来的面积，当作左心室收缩末期容积和左心室舒张末期容积，由此可以得到诊断任务所需的两个结构参数。
参照图4所示，在本申请的一些实施例中，上述步骤S104还可以包括但不限于以下步骤S401至步骤S403。
步骤S401，将结构参数输入超声心动图知识图谱，得到图谱查询路径。
在一些实施例中，预先构建的超声心动图知识图谱存储在Neo4j数据库中，将提取的结构参数输入超声心动图知识图谱，通过图谱Cypher查询路径的方式得到图谱查询路径。
在一些实施例中，构建所述超声心动图知识图谱，是依据临床诊断经验，构建以心脏相关临床结构参数、病理性结构功能分析以及心脏疾病诊断结果为实体，根据预设诊断标准，例如医学金标准，医学金标准是指当前临床医学界所公认的诊断疾病最为可靠的方法，从而绘制实体间关系的超声心动图知识图谱，参照图5所示的超声心动图知识图谱，包括结构参数、目标节点信息和辅助诊断结论，首先根据结构参数判断得到目标节点信息，在根据目标节点信息和预设诊断标准可以得到辅助诊断结论，其构建过程包括：
若左心室后壁厚度大于第一参数，第一参数为11mm，即LVPWT>11mm,则目标节点信息为左室后壁增厚，基于目标节点信息和预设诊断标准得到辅助诊断结论为高血压心脏病或主动脉瓣狭窄；
若左心室后壁厚度小于第二参数，第二参数为6mm，即LVPWT<6mm,则目标节点信息为左室后壁偏薄，基于目标节点信息和预设诊断标准得到辅助诊断结论为扩张性心肌病；
若室间隔厚度大于第三参数，第三参数为11mm，即IVST>11mm,则目标节点信息为室间隔增厚，基于目标节点信息和预设诊断标准得到辅助诊断结论为冠心病；
若室间隔厚度小于第四参数，第四参数为6mm，即IVST<6mm，则目标节点信息为室间隔偏薄，基于目标节点信息和预设诊断标准得到辅助诊断结论为扩张性心肌病；
若右室流出道大于第五参数，第五参数为30mm，即RVOT>30mm,则目标节点信息为右室流出道内径过大，基于目标节点信息和预设诊断标准得到辅助诊断结论为右心室肥大或右心室增大；
若射血分数大于第六参数，第六参数为80％，即EF>80％，则目标节点信息为左室收缩功能测量值过高，基于目标节点信息和预设诊断标准得到辅助诊断结论为射血分数病态性过高；
若室间隔厚度小于第七参数，第七参数为50％，即EF<50％，则目标节点信息为左室收缩功能测量值过低，基于目标节点信息和预设诊断标准得到辅助诊断结论为左室收缩功能减低；
若室间隔厚度大于第三参数，且左心室后壁厚度大于第一参数，即IVST>11mm和LVPWT>11mm，则基于目标节点信息和预设诊断标准得到辅助诊断结论为肥厚型心肌病。
可以理解的是，上述图5中的超声心动图知识图谱只是一种示例，实际应用过程中可以基于医学金标准对超声心动图知识图谱进行扩展和细化。
另外，图谱查询路径根据结构参数、目标节点信息和辅助诊断结论生成。示例性的，参照图5和图6所示，通过测量患者的ESV和EDV两个结构参数计算得到的EF为45.3％，即EF<50％，基于超声心动图知识图谱得到目标节点信息为左室收缩功能测量值过低，基于目标节点信息和预设诊断标准得到辅助诊断结论为左室收缩功能减低，由此生成了图谱查询路径查询，从而自动生成辅助诊断报告中的诊断意见包括左室收缩功能减低。
步骤S402，基于图谱查询路径得到辅助诊断结论。
在一些实施例中，在超声心动图知识图谱中，依据图谱查询路径进行推理，将自动得到结构参数对应的辅助诊断结论。示例性的，参照图5的超声心动图知识图谱所示，根据知识图谱中左心室收缩末期容积ESV和左心室舒张末期容积EDV分支，可以计算射血分数EF。射血分数指每搏输出量占心室舒张末期容积量的百分比，正常值为50-70％，是判断心力衰竭类型的重要指征之一。心室射血分数计算公式为:EF＝(EDV-ESV)*100％/EDV。根据知识图谱可知，若EF<50％，则得出左室收缩功能测量过低的目标节点信息，辅助诊断结论为左室收缩功能减低；若EF>80％，则得出左室收缩功能测量过高的目标节点信息，辅助诊断结论为射血分数病态性过高。
步骤S403，基于辅助诊断结论、预设诊断模板和超声视频帧生成辅助诊断报告。
在一些实施例中，参照图6所示的超声辅助诊断报告，基于辅助诊断结论、预设诊断模板和超声视频帧生成辅助诊断报告，预设诊断模块的上方为患者的个人相关信息，左侧为超声图像图表结果区域，右侧为辅助诊断报告具体内容，包括各个结构参数的数值，超声所见的辅助诊断结论及诊断意见，有效辅助医生进行诊断。可以理解的是，预设诊断模板可以根据需求进行调整，本实施例仅作示意。
具体的，参照图6所示的辅助诊断报告，是一名67岁患者的超声心动图检查(心脏彩超)，超声所见患者的左室收缩功能测值：EF：45.3％，所测区间心动周期方差0.23，未见异常，室壁运动指数：WMSI：2.17。由此得到的诊断意见有以下三点：1.左室收缩功能减低，2.左室心室扩大，3.随访。可以理解的是，该辅助诊断报告是基于超声结果自动生成的，用于辅助医生参考判断。
在本申请的一些实施例中，还对超声心动图去除图像噪声，增强图像从而辅助医生进行主观判断，具体的，使用Real-ESRGAN模型对输入的超声心动图视频文件进行超分辨率增强，增强效果如图6的超声所见结果区域，其中左图为原图，右图为增强结果图。
参照图7所示，在本申请的一些实施例中，上述步骤S403之后，还可以包括但不限于以下步骤S501至步骤S502。
步骤S501，基于预设诊断建议得到辅助诊断结论的解读结论。
可以理解的是，由于辅助诊断报告中的医学术语较多，不便于患者了解自身的健康状况，无形中增加了医生的工作量和工作压力，由此本申请的超声心动图辅助报告生成方法基于预设诊断建议，可以得到辅助诊断结论的解读结论，对带有医学术语的辅助诊断报告进行解读。
步骤S502，根据解读结论和预设解读模板生成辅助解读报告。
在一些实施例中，根据解读结论和预设解读模块生成辅助解读报告，具体的，利用RIS诊断知识库-自动生成报告算法生成，其中预设解读模板的上方为患者简要的个人信息，包括姓名、年龄、性别以及诊断报告号，主体是对辅助诊断报告中的各条诊断意见进行的详细说明及建议，包含医学名词解释、病因、不良影响、临床建议，方便患者初步了解诊断结果。可以理解的是，预设解读模板可以根据需求进行调整，本实施例仅作示意。
可以理解的是，图8的辅助解读报告针对图6的辅助诊断报告中的三个诊断意见都进行了充分的解释说明，示例性的，针对第一点左室收缩功能减低，辅助解读报告中显示：左室收缩功能减低通常是指心脏的射血量下降，临床上常用于衡量心脏左室收缩功能的指标是心脏彩超的左室射血分数如果射血分数小于50％意味着存在收缩功能下降。通常能够引起左心收缩功能下降的是急性心肌梗死，长期高血压控制不佳，各种类型的心肌病，如肥厚型心肌病，限制型心肌病以及扩张型心肌病，急性重症心肌炎，也能够在短期之内使得心肌受损，收缩功能显著下降。如您有相关疾病既往病史，请勿惊慌，及时就医并如实告知医生。有助于患者了解自身的健康状况和检查结果。
超声心动图辅助报告生成方法首先通过自动配准并对齐输入的超声心动图视频，然后识别超声心动图视频中各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，在利用医学影像分割模型将超声视频帧中的心脏结构分割为N个目标区域的目标图像，并由此得到结构参数，再将结构参数输入到超声心动图知识图谱自动生成辅助诊断报告和/或辅助解读报告。由此无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。
本申请实施例还提供一种超声心动图辅助报告生成系统，可以实现上述超声心动图辅助报告生成方法，参照图9所示，在本申请一些实施例中，超声心动图辅助报告生成系统包括：
自动配准模块100，用于自动配准并对齐输入的超声心动图视频；超声心动图视频包括至少一个完整的心动周期；
预处理模块200，用于识别各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧；
分割提取模块300，用于利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个目标图像得到结构参数；其中N为大于1的整数；
报告生成模块400，用于基于结构参数和预先构建的超声心动图知识图谱生成辅助报告；辅助报告包括：辅助诊断报告和/或辅助解读报告。
以下通过心力衰竭诊断任务为例具体说明本申请的超声心动图辅助报告生成系统结构与使用流程。应该理解的是，本实施例所涉及的输入输出格式标准、具体临床参数、分割模型、参数提取算法等均为针对心力衰竭诊断实施例所实施的特例方法，而不用于限制。
首先，超声心动图辅助报告生成系统接收用户上传的一个包含完整心动周期的心尖四腔室标准切面数据超声心动图视频文件，系统完成视频文件的解码并自动截取标准切面，通过自动配准模块100对非标准切面进行自动配准，然后通过预处理模块200将对齐后的超声心动图视频存储为一组连续的超声视频帧。针对心力衰竭诊断任务需要分割左心室内膜，从而测量心脏左心室的舒张末期容积(EDV)和收缩末期容积(ESV)。通过分割提取模块300，利用在心尖四腔室标准切面超声心动图数据集EchoNet-Dynamic上完成参数训练的左心室心内膜动态分割模型EchoNet模型，将连续的超声视频帧输入EchoNet模型完成前向传播，得到左心室心内膜分割结果。
可以理解的是，针对心力衰竭诊断任务，主要是通过计算射血分数，根据射血分数判断是否存在心力衰竭问题。根据超声心动图知识图谱中收缩末期容积(ESV)和舒张末期容积(EDV)分支，可以计算射血分数(EF)，因此需要测量ESV和EDV两个重要临床参数。心室舒张的时候血液充盈心室，当心室舒张到最大的时候，左心室充盈的血容量，称为舒张末期容积(EDV)。心室收缩的时候血液流出心室，当心室收缩到最小的时候，左心室残余的血液容量，称为收缩末期容积(ESV)。在左心室心内膜分割结果上，选择超声视频帧中收缩末期和舒张末期的图片，计算左心室心内膜围起来的面积，作为收缩末期容积和舒张末期容积。
射血分数指每搏输出量占心室舒张末期容积量的百分比，正常值为50％-70％，是判断心力衰竭类型的重要指征之一。心室射血分数计算公式为:EF＝(EDV-ESV)*100％/EDV。若EF<50％，则得出左室收缩功能测量过低的目标节点信息，辅助诊断结论为左室收缩功能减低；若EF>80％，则得出左室收缩功能测量过高的目标节点信息，辅助诊断结论为射血分数病态性过高。最后通过报告生成模块400，系统自动生成超声辅助诊断报告，再利用RIS诊断知识库-自动生成报告算法，自动生成超声辅助解读报告，对于辅助诊断报告中的每条诊断意见都给出了详细的说明和建议，包含医学名词解释、病因、不良影响、临床建议，方便患者初步了解自身的健康状态和超声报告。
本实施例的超声心动图辅助报告生成系统具体实施方式与上述超声心动图辅助报告生成方法的具体实施方式基本一致，在此不再一一赘述。
图10示出了本申请实施例提供的电子设备1000。电子设备1000包括：处理器1001、存储器1002及存储在存储器1002上并可在处理器1001上运行的计算机程序，计算机程序运行时用于执行上述的超声心动图辅助报告生成方法。
处理器1001和存储器1002可以通过总线或者其他方式连接。
存储器1002作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序，如本申请实施例描述的超声心动图辅助报告生成方法。处理器1001通过运行存储在存储器1002中的非暂态软件程序以及指令，从而实现上述的超声心动图辅助报告生成方法。
存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行上述的超声心动图辅助报告生成方法。此外，存储器1002可以包括高速随机存取存储器1002，还可以包括非暂态存储器1002，例如至少一个储存设备存储器件、闪存器件或其他非暂态固态存储器件。在一些实施方式中，存储器1002可选包括相对于处理器1001远程设置的存储器1002，这些远程存储器1002可以通过网络连接至该电子设备1000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的超声心动图辅助报告生成方法所需的非暂态软件程序以及指令存储在存储器1002中，当被一个或者多个处理器1001执行时，执行上述的超声心动图辅助报告生成方法，例如，执行图1中的方法步骤S101至步骤S104、图2中的方法步骤S201至步骤S203、图3中的方法步骤S301至步骤S304、图4中的方法步骤S401至步骤S403、图7中的方法步骤S501至步骤S502。
本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述超声心动图辅助报告生成方法。存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的超声心动图辅助报告生成方法、系统、设备及存储介质，其中，超声心动图辅助报告生成方法首先通过自动配准并对齐输入的超声心动图视频，然后识别超声心动图视频中各个心动周期的起始时间，并基于预设帧数生成各个心动周期的超声视频帧，在利用医学影像分割模型将超声视频帧中的心脏结构分割为N个目标区域的目标图像，并由此得到结构参数，再将结构参数输入到超声心动图知识图谱自动生成辅助诊断报告和/或辅助解读报告。由此自动完成了超声心动图视频的处理、临床指标结构参数的测量提取，并依据超声心动图知识图谱完成超声心动图视频的综合分析，生成完整的超声心动图辅助报告。无需医生手动测量填入相关的临床参数或诊断意见，并且辅助患者了解自身的健康状况，有效减轻了医生的工作压力。
以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、储存设备存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
还应了解，本申请实施例提供的各种实施方式可以任意进行组合，以实现不同的技术效果。以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的共享条件下还可作出种种等同的变形或替换。

Claims (10)

1.一种超声心动图辅助报告生成方法，其特征在于，包括：
自动配准并对齐输入的超声心动图视频；所述超声心动图视频包括至少一个完整的心动周期；
识别各个所述心动周期的起始时间，并基于预设帧数生成各个所述心动周期的超声视频帧；
基于所述超声视频帧，利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数；其中N为大于1的整数；
基于所述结构参数和预先构建的超声心动图知识图谱生成辅助报告；所述辅助报告包括：辅助诊断报告和/或辅助解读报告。
2.根据权利要求1所述的超声心动图辅助报告生成方法，其特征在于，所述自动配准并对齐输入的超声心动图视频，还包括：
检测多个所述超声视频帧的关键点信息；
基于所述关键点信息选取所述超声心动图视频中的标准切面和非标准切面；
利用所述标准切面对所述非标准切面进行自动配准，得到对齐的超声心动图视频。
3.根据权利要求1所述的超声心动图辅助报告生成方法，其特征在于，所述基于所述超声视频帧，利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数，还包括：
利用医学影像分割模型对所述超声视频帧中的心脏结构进行分割，得到N个所述目标区域的所述目标图像；
对每个所述目标图像进行图像二值化，得到二值化图像；
对所述二值化图像进行边缘检测，得到每个所述目标区域的位置信息；
基于每个所述位置信息得到所述结构参数。
4.根据权利要求1至3任一项所述的超声心动图辅助报告生成方法，其特征在于，所述结构参数包括以下至少一种：左心室舒张末期容积、左心室收缩末期容积、室间隔厚度、左心室后壁厚度、右室流出道、射血分数，其中所述射血分数根据所述左心室舒张末期容积和所述左心室收缩末期容积计算得到。
5.根据权利要求1所述的超声心动图辅助报告生成方法，其特征在于，所述基于所述结构参数和超声心动图知识图谱生成辅助报告，还包括：
将所述结构参数输入超声心动图知识图谱，得到图谱查询路径；
基于所述图谱查询路径得到辅助诊断结论；
基于所述辅助诊断结论、预设诊断模板和所述超声视频帧生成辅助诊断报告。
6.根据权利要求5所述的超声心动图辅助报告生成方法，其特征在于，还包括：
基于预设诊断建议得到所述辅助诊断结论的解读结论；
根据所述解读结论和预设解读模板生成所述辅助解读报告。
7.根据权利要求5所述的超声心动图辅助报告生成方法，其特征在于，所述结构参数包括以下至少一种：左心室舒张末期容积、左心室收缩末期容积、室间隔厚度、左心室后壁厚度、右室流出道、射血分数；所述超声心动图知识图谱包括所述结构参数、目标节点信息和辅助诊断结论，根据所述结构参数判断所述目标节点信息，根据所述目标节点信息和预设诊断标准得到所述辅助诊断结论；所述基于所述结构参数和预先构建的超声心动图知识图谱，自动生成辅助报告之前，还包括：
构建所述超声心动图知识图谱，构建过程包括：
若所述左心室后壁厚度大于第一参数，则所述目标节点信息为左室后壁增厚，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为高血压心脏病或主动脉瓣狭窄；
若所述左心室后壁厚度小于第二参数，则所述目标节点信息为左室后壁偏薄，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为扩张性心肌病；
若所述室间隔厚度大于第三参数，则所述目标节点信息为室间隔增厚，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为冠心病；
若所述室间隔厚度小于第四参数，则所述目标节点信息为室间隔偏薄，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为扩张性心肌病；
若所述右室流出道大于第五参数，则所述目标节点信息为右室流出道内径过大，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为右心室肥大或右心室增大；
若所述射血分数大于第六参数，则所述目标节点信息为左室收缩功能测量值过高，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为射血分数病态性过高；
若所述室间隔厚度小于第七参数，则所述目标节点信息为左室收缩功能测量值过低，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为左室收缩功能减低；
若所述室间隔厚度大于第三参数，且所述左心室后壁厚度大于第一参数，基于所述目标节点信息和预设诊断标准得到所述辅助诊断结论为肥厚型心肌病；
所述图谱查询路径根据所述结构参数、所述目标节点信息和所述辅助诊断结论生成。
8.一种超声心动图辅助报告生成系统，其特征在于，包括：
自动配准模块，用于自动配准并对齐输入的超声心动图视频；所述超声心动图视频包括至少一个完整的心动周期；
预处理模块，用于识别各个所述心动周期的起始时间，并基于预设帧数生成各个所述心动周期的超声视频帧；
分割提取模块，用于利用医学影像分割模型将心脏结构分割为N个目标区域的目标图像，并基于每个所述目标图像得到结构参数；其中N为大于1的整数；
报告生成模块，用于基于所述结构参数和预先构建的超声心动图知识图谱生成辅助报告；所述辅助报告包括：辅助诊断报告和/或辅助解读报告。
9.一种电子设备，其特征在于，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的超声心动图辅助报告生成方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的超声心动图辅助报告生成方法。
CN202310286285.9A 2023-03-15 2023-03-15 超声心动图辅助报告生成方法、系统、设备及存储介质 Pending CN116350263A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310286285.9A CN116350263A (zh) 2023-03-15 2023-03-15 超声心动图辅助报告生成方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310286285.9A CN116350263A (zh) 2023-03-15 2023-03-15 超声心动图辅助报告生成方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116350263A true CN116350263A (zh) 2023-06-30

Family

ID=86935773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310286285.9A Pending CN116350263A (zh) 2023-03-15 2023-03-15 超声心动图辅助报告生成方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116350263A (zh)

Similar Documents

Publication Publication Date Title
Marwick Ejection fraction pros and cons: JACC state-of-the-art review
JP6557767B2 (ja) 多数の画像取得または再構築を使用する画像ベースのオブジェクトモデリングのためのシステム及び方法
Collier et al. A test in context: myocardial strain measured by speckle-tracking echocardiography
Jenkins et al. Reproducibility and accuracy of echocardiographic measurements of left ventricular parameters using real-time three-dimensional echocardiography
Thavendiranathan et al. Feasibility, accuracy, and reproducibility of real-time full-volume 3D transthoracic echocardiography to measure LV volumes and systolic function: a fully automated endocardial contouring algorithm in sinus rhythm and atrial fibrillation
Aalen et al. Mechanism of abnormal septal motion in left bundle branch block: role of left ventricular wall interactions and myocardial scar
US10299862B2 (en) Three-dimensional quantitative heart hemodynamics in medical imaging
Kühl et al. High-resolution transthoracic real-time three-dimensional echocardiography: quantitation of cardiac volumes and function using semi-automatic border detection and comparison with cardiac magnetic resonance imaging
WO2017206023A1 (zh) 一种心脏容积识别分析系统和方法
Truong et al. Quantitative analysis of intraventricular dyssynchrony using wall thickness by multidetector computed tomography
KR20190084100A (ko) 인간의 심장 및 심방을 모델링하는 방법 및 시스템
Garcia-Alvarez et al. Evaluation of right ventricular function and post-operative findings using cardiac computed tomography in patients with left ventricular assist devices
US20130013278A1 (en) Non-invasive cardiovascular image matching method
Nishigami Point-of-care echocardiography for aortic dissection, pulmonary embolism and acute coronary syndrome in patients with killer chest pain: EASY screening focused on the assessment of effusion, aorta, ventricular size and shape and ventricular asynergy
Hatipoglu et al. Left atrial expansion index is an independent predictor of diastolic dysfunction in patients with preserved left ventricular systolic function: a three dimensional echocardiography study
Yu et al. Real‐time three‐dimensional echocardiography and two‐dimensional speckle tracking imaging in the evaluation of left atrial function in patients with triple‐vessel coronary artery disease without myocardial infarction
CN116350263A (zh) 超声心动图辅助报告生成方法、系统、设备及存储介质
Sigit et al. Heart video tracking system on long axis view
CN108830859B (zh) 基于超声图像的内中膜分割方法、装置、设备及存储介质
Sun et al. Preliminary results analysis for left ventricular systolic function in normal fetuses by automated cardiac motion quantitation
KR20220141218A (ko) 자동 알고리즘 기반의 확장성 심근병증 보조진단을 위한 의사결정 시스템
Meng et al. Comparison between multimodality imaging approaches for measurement of the tricuspid annulus in severe tricuspid regurgitation
Chacko et al. Sequential functional analysis of left ventricle from 2D-echocardiography images
LU505348B1 (en) A deep learning-based method for CT pulmonary angiography cardiac chamber segmentation and quantification
Po et al. In-vivo clinical validation of cardiac deformation and strain measurements from 4D ultrasound

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination