EchoNetDynamic2020——超声心动图左心室心内膜分割和左心室射血分数计算

今天将分享超声心动图左心室心内膜分割和左心室射血分数计算完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、EchoNetDynamic2020介绍

超声心动图或心脏超声是评估心脏功能和结构的最广泛使用且易于获得的成像方式。结合便携式仪器、快速图像采集、高时间分辨率以及没有电离辐射的风险，超声心动图是最常用的成像研究之一，是心血管成像的支柱。对于从心力衰竭到心脏瓣膜病的各种疾病，超声心动图对于诊断许多心血管疾病都是必要且充分的。

生物医学图像的机器学习分析最近取得了重大进展。相比之下，尽管视频在许多临床环境中经常使用，但医学视频的工作却少得多。这方面的一个主要瓶颈是缺乏公开可用且注释良好的医学视频数据。计算机视觉从允许协作、比较和创建任务特定架构的开放数据库中受益匪浅。提供了包含 10,030 个超声心动图视频的 EchoNet-Dynamic 数据集，涵盖了典型的超声心动图实验室成像采集条件的范围，以及相应的标记测量值，包括射血分数、收缩末期和舒张末期的左心室容积，以及左侧的人类专家追踪心室作为研究评估心脏功能的机器学习方法的辅助工具。

二、EchoNetDynamic2020任务

分割左心室心内膜并计算左心室射血分数。

三、EchoNetDynamic2020数据集

超声心动图视频：标准的全静息超声心动图研究包括一系列视频和图像，从不同的角度、位置和图像采集技术可视化心脏。该数据集包含 10,030 个心尖 4 腔超声心动图视频，这些视频来自 2016 年至 2018 年期间在斯坦福大学医院接受成像作为常规临床护理的一部分的个人。每个视频都经过裁剪和遮罩，以删除扫描扇区之外的文本和信息。然后通过三次插值将生成的图像下采样为标准化的112x112像素视频。

测量：除了视频本身，每项研究都与临床测量和计算相关联，这些测量和计算由超声医师获得，并由标准临床工作流程中的 3 级超声心动图医师验证。心脏功能的核心指标是左心室射血分数，用于诊断心肌病、评估某些化学疗法的效果以及确定医疗器械的适应症。射血分数以百分比表示，是左心室收缩末期容积 (ESV) 与左心室舒张末期容积 (EDV) 的比值，由 (EDV - ESV) / EDV 确定。

追踪：在数据集中，对于每个视频，左心室在心内膜边界的两个不同时间点进行追踪，分别代表收缩末期和舒张末期。通过在心室主轴的长度上对心室面积进行积分，每个跟踪都用于估计心室容积。专家追踪由对应于每个人类追踪的成对坐标的集合表示。第一对坐标代表左心室长轴的长度和方向，随后的坐标对代表从心尖到二尖瓣器的短轴线距离。每个坐标对还列出了视频文件名和帧号，以识别跟踪匹配的代表帧。

数据集下载：

https://stanfordaimi.azurewebsites.net/datasets/834e1cd1-92f7-4268-9daa-d359198b310a

四、技术路线

1、将图像缩放到固定大小512x512。图像预处理，再采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集，并对训练数据进行数据增强扩增5倍。

2、搭建VNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是48，epoch是300，损失函数采用多分类别的dice和交叉熵。

3、训练结果和验证结果

4、推理计算处理

在推理计算的时候，只保留左心室心内膜标签，并采用形态学最大连通域分析得到最终结果。

5、超声心动图左心室心内膜分割结果和左心室射血分数计算。