An Efficient Segmentation-Driven Measurement Framework for Rapid Diastolic Dysfunction Detection

Chengcong Lv

doi:10.1109/tim.2026.3731708

An Efficient Segmentation-Driven Measurement Framework for Rapid Diastolic Dysfunction Detection

2026-09-07

0

PRE

AI

DOI：10.1109/tim.2026.3731708

原文链接

原文求助

摘要

En 中文

舒张功能障碍（DD）与心力衰竭的发生密切相关，但其超声心动图评估仍需大量人工操作且高度依赖操作者经验。左心室（LV）和左心房（LA）的时间特征为舒张功能表征提供关键信息，而语义分割提供了一种快速、无创的方式来自动提取此类功能信息，用于DD的评估和筛查。本研究提出了一种基于语义分割衍生时间特征的DD自动检测框架。与常规评估流程相比，该框架降低了操作者依赖性，并实现了快速、客观的决策。为确保整个心动周期内可靠的特征提取，我们开发了LSNet，一种轻量级分割网络，用于LV和LA的精确轮廓分割。LSNet整合了分裂注意力机制以减少计算复杂度，同时保留上下文交互。此外，引入了边缘加权交叉熵（EWCE）损失函数以提高心房和心室结构的边界分割性能。通过联合利用LV和LA的时空特征，所提出的框架在126例受试者的队列中实现了86.80 ± 5.89%的DD识别分类准确率。总体而言，该方法实现了从超声心动图快速、有效地识别DD，展示了其在DD筛查中的潜力。

Keyword:

Diastolic function

echocardiogram

lightweight segmentation

transformer

An Efficient Segmentation-Driven Measurement Framework for Rapid Diastolic Dysfunction Detection

摘要

期刊

机构

引用论文