Інтелектуальні системи обробки ехокардіографічних зображень для оцінки функціонального стану серця

Abstract

Ultrasound images of the heart are an important source of diagnostic information for the detection of cardiovascular diseases. Today, automated processing and analysis of such images are actively studied in the fields of telemedicine, digital medical image processing, and artificial intelligence, in particular, to accelerate and accurately diagnose cardiac pathologies. This paper considers a new approach to processing echocardiographic data, which involves converting ultrasound videos or series of images into color phase space projections. This allows you to create informative visual representations suitable for analysis using deep convolutional neural networks. This approach has two key advantages: [1] it provides the ability to use modern deep learning architectures for the recognition of cardiac pathologies, [2] it allows the use of transfer learning techniques, which significantly increases the efficiency of the model even on small data sets.Ультразвукові зображення серця є важливим джерелом діагностичної інформації для виявлення серцево-судинних захворювань. Сьогодні автоматизована обробка та аналіз таких зображень активно досліджуються у сферах телемедицини, цифрової обробки медичних зображень та штучного інтелекту, зокрема — для пришвидшення і точності діагностики патологій серця. У цій роботі розглядається новий підхід до обробки ехокардіографічних даних, що передбачає перетворення ультразвукових відео або серій зображень у кольорові проекції фазового простору. Це дозволяє створити інформативні візуальні представлення, придатні для аналізу за допомогою глибоких згорткових нейронних мереж. Такий підхід має дві ключові переваги: [1] він забезпечує можливість застосування сучасних архітектур глибинного навчання для розпізнавання серцевих патологій, [2] дає змогу використовувати техніки трансферного навчання, що значно підвищує ефективність моделі навіть на невеликих наборах даних.

Ультразвукові зображення серця є важливим джерелом діагностичної інформації для виявлення серцево-судинних захворювань. Сьогодні автоматизована обробка та аналіз таких зображень активно досліджуються у сферах телемедицини, цифрової обробки медичних зображень та штучного інтелекту, зокрема — для пришвидшення і точності діагностики патологій серця. У цій роботі розглядається новий підхід до обробки ехокардіографічних даних, що передбачає перетворення ультразвукових відео або серій зображень у кольорові проекції фазового простору. Це дозволяє створити інформативні візуальні представлення, придатні для аналізу за допомогою глибоких згорткових нейронних мереж. Такий підхід має дві ключові переваги: [1] він забезпечує можливість застосування сучасних архітектур глибинного навчання для розпізнавання серцевих патологій, [2] дає змогу використовувати техніки трансферного навчання, що значно підвищує ефективність моделі навіть на невеликих наборах даних.