龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：桂林电子科技大学
摘要：本发明提供了一种基于图神经网络的左心室射血分数评估方法。射血分数EF是评估心脏功能的重要指标，可用于识别可能患有心功能不全如心力衰竭的患者。传统上，EF通过手动描绘心脏超声心动图中的左心室并估算其在特定帧上的体积来计算。然而，由于手动操作和视频质量的差异，这种方法具有很高的观察者间变异性。因此，迫切需要一种既可靠又可解释的机器学习技术，以实现快速和准确的评估。在本发明中，我们引入了一种基于图神经网络的模型，用于从超声心动图视频中估算EF。该模型首先从一个或多个超声心动图序列的帧中推断出潜在的超声心动图结构。接着，它估算图中节点和边的权重，识别出对EF估算至关重要的关键帧。图神经网络回归器利用这个加权图来预测EF。通过定性和定量分析，我们发现学习到的图权重能够识别出EF估算的关键帧，提供了良好的解释性，帮助确定何时需要人工干预。在EchoNet‑Dynamic公共EF数据集上的测试结果表明，本发明在EF预测性能上与现有最先进的方法相当，并且具有解释性。
主权项：1.一种基于图神经网络的左心室射血分数评估方法，其特征在于，包括以下步骤：1获取并预处理公开的超声心动图EchoNet-Dynamic数据集。数据预处理包括图像归一化、去噪、图像增强等操作，以确保数据质量和模型的鲁棒性；2将处理好的数据集按照设定的比例划分为训练集和测试集。其中训练集用于模型训练，验证集用于调整模型超参数，测试集用于最终评估模型性能；3建立基于先进图神经网络架构的左心室射血分数模型。图神经网络能够有效地捕捉图像中的空间结构信息，从而提高射血分数的预测精度；4将预处理后的EchoNet-Dynamic数据集中的训练集输入到所建立的基于图神经网络的左心室射血分数模型中进行训练。训练过程中，损失函数结合了Dice损失函数和交叉熵损失函数，以优化模型的分割和分类性能。5将EchoNet-Dynamic数据集中的测试集输入到训练完成的左心室射血分数模型中，计算得到射血分数。然后，通过多种评价指标评估模型性能，确保模型在实际应用中的可靠性和准确性。
全文数据：
权利要求：
百度查询： 桂林电子科技大学 一种基于图神经网络的左心室射血分数评估方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号