​EchoCP2021——经胸超声心动图的PFO诊断

今天将分享经胸超声心动图的PFO诊断完整实现版本，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、EchoCP2021介绍

经胸超声心动图是一种常用的无创检查方法，用于评估心脏结构和功能。在诊断卵圆孔未闭时，医生会仔细检查心房之间的解剖结构，特别是注视是否存在卵圆孔未闭。卵圆孔是胎儿时期两个心房之间的通道，正常情况下在出生后应该闭合，但有时会残留未闭。医生会观察血流在心房之间的情况。在卵圆孔未闭的情况下，可能会出现血流从左心房到右心房的现象，这种情况称为左向右分流。通过超声心动图可以评估分流的程度和影响。

EchoCP2021，是第一个基于cTTE的PFO诊断数据集。EchoCP 包含从30名患者捕获的 VM和静息超声心动图视频。包括诊断注释和分割注释在内的数据注释由四位经验丰富的心血管超声医师进行。由于每个患者的视频中有一千多幅图像，因此采用稀疏标记（仅选择代表帧）进行分割。

二、EchoCP2021任务

经胸造影超声心动图的卵圆孔未闭分割。

三、EchoCP2021数据集

EchoCP2021包 30名患者的cTTE 视频。对于每个患者，捕获与患者的休息和 VM 状态相对应的两个视频。请注意，在休息状态下，患者只是放松并正常呼吸。在VM状态中，患者需要闭上嘴，捏住鼻子，同时排出空气，就像吹气球一样。该视频是在心尖 4 腔视图中捕获的，包含至少10个心动周期。对于VM状态，在获取过程中会执行三到五次操作，选择了最具代表性的一次。

数据下载：

https://www.kaggle.com/datasets/xiaoweixumedicalai/echocp

四、技术路线

1、由于标注mask是稀疏标注，所以先从3dmask中将有标注的结果转换成2dmask和对应2d图像。

2、图像预处理，对步骤1的图像采用均值为0，方差为1的方式进行归一化处理，再图像缩放到固定大小1024x1024，再将数据分成训练集和验证集。

3、搭建VNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是16，epoch是300，损失函数采用二值化的dice和交叉熵。

4、训练结果和验证结果

5、验证集部分分割结果

左边是原始图像，中间是金标准结果，右边是预测结果。

6、测试集部分分割结果