基于 M4S-Net 的超声心动图序列分割：突破心血管疾病诊疗困境

研究人员为解决超声心动图序列分割难题，提出 M4S-Net，性能优异，助力心血管诊疗。

　　超声心动图的序列分割对心血管疾病的诊疗意义重大。然而，超声成像质量低以及心脏运动复杂，给这一分割工作带来巨大挑战。此外，超声心动图序列标注的难度和成本限制了监督学习方法的性能。在本文中，研究人员提出了一种名为 M₄S-Net（Motion-enhanced Shape-aware Semi-supervised Sequence Segmentation Network，运动增强形状感知半监督序列分割网络）的模型。首先，利用多级形状先验增强模型的形状表示能力，克服图像质量低的问题，提升单帧分割效果。然后，运动增强优化模块利用光流从几何层面辅助分割，有力应对复杂运动，确保序列分割的时间一致性。还设计了混合损失函数，最大化各模块的有效性，进一步提高预测掩码的时间稳定性。而且，参数共享策略使其能够以半监督的方式进行序列分割。在公共和内部数据集上进行的大量实验表明，M₄S-Net 在空间和时间分割性能上均优于当前最先进的方法。基于 M₄S-Net 的下游心尖摆动识别任务的 AUC（Area Under Curve，曲线下面积）达到 0.944，显著超过专业医生的水平。