基于切面识别的房间隔缺损智能辅助诊断

针对超声心动图像质量差、噪声多,传统卷积神经网络架构对超声心动图像的学习能力有限、表达不充分的缺点,提出了一种基于标准切面识别的房间隔缺损(Atrial septal defect,ASD)智能辅助诊断模型. 该模型通过对超声心动图像进行切面识别,充分融合其不同切面的语义特征,使得诊断的准确率得到明显提升.此外,还对其进行双边滤波保边去噪,并基于此模型搭建房间隔缺损智能辅助诊断系统(简称ASD辅助诊断系统). 结果表明,该ASD辅助诊断系统的准确率高达97.8％,且与传统卷积神经网络相比大大降低了假阴性率.