Echtzeit-Automatische M-Modus-Echokardiographie-Messung mit Panels Aufmerksamkeit von lokal zu globalen Pixeln

Die Aufzeichnung im Bewegungsmodus (M-Modus) ist ein wesentlicher Bestandteil der Echokardiographie zur Messung der Herzdimensionen und -funktion. Derzeit kann jedoch keine automatische Diagnose erstellt werden, da es drei grundlegende Hindernisse gibt: Erstens gibt es kein offenes Datensatz, um die Automatisierung zu gewährleisten und konstante Ergebnisse zu erzielen sowie den M-Modus-Echokardiographie mit der Echtzeit-Instanzsegmentierung (RIS) zu verbinden; Zweitens beinhaltet die Untersuchung zeitaufwendige manuelle Beschriftungen von M-Modus-Echokardiogrammen; Drittens nehmen Objekte in Echokardiogrammen einen erheblichen Teil der Pixel ein, wodurch die begrenzte Rezeptive Felder in bestehenden Backbones (z.B. ResNet), die aus mehreren Faltungsschichten zusammengesetzt sind, ineffizient sind, um den Zeitraum einer Ventilbewegung abzudecken. Existierende nicht-lokale Aufmerksamkeiten (NL) sind entweder nicht in Echtzeit möglich aufgrund hoher Rechenkosten oder verlieren Informationen durch eine vereinfachte Version des nicht-lokalen Blocks. Daher haben wir RAMEM vorgeschlagen, ein Schema für die Echtzeit-Automatische M-Modus-Echokardiographie-Messung, das in drei Aspekten zur Lösung dieser Probleme beiträgt: 1) MEIS, einen Datensatz von M-Modus-Echokardiogrammen für Instanzsegmentierung bereitstellen, um konsistente Ergebnisse zu ermöglichen und die Entwicklung eines automatischen Schemas zu unterstützen; 2) Panel-Aufmerksamkeit vorschlagen, eine effiziente lokale-zu-globale Aufmerksamkeit durch Pixel-Unshuffling, die in einem RIS-Schema mit aktualisierten UPANets V2 integriert wird, um globale Rezeptive Felder bei der Detektion großer Objekte zu erreichen; 3) AMEM entwickeln und implementieren, einen effizienten Algorithmus für die automatische M-Modus-Echokardiographie-Messung, der schnelle und genaue automatische Beschriftungen während der Diagnose ermöglicht. Die experimentellen Ergebnisse zeigen, dass RAMEM bestehende RIS-Backbones (mit nicht-lokaler Aufmerksamkeit) im PASCAL 2012 SBD übertrifft und menschliche Leistungen bei der Echtzeit-MEIS-Tests übertreffen kann. Der Code von MEIS und der Datensatz sind unter https://github.com/hanktseng131415go/RAME verfügbar.