TY - A2的小青,顾盟——朱Mengyun AU -风扇,Ximin盟——刘Weijing盟——沈,将鹰盟——陈、魏盟——徐,刘亚伟(音译,Yawei AU - Yu Xuejing PY - 2021 DA - 2021/12/06 TI -基于人工智能的超声心动图测量左心室体积肺静脉比较SP - 1336762六世- 2021 AB -本文结合超声心动图信号处理和人工智能技术,提出一种深层神经网络模型适应超声心动图信号实现左心室容积测量和自动评估肺静脉有效和快速。基于超声心动图信号生成机理和检测方法,超声心动图信号采集的实验方案设计。健康受试者的心脏超声信号数据以四个不同的实验,和一个数据库的左心室容积测量和肺静脉。结合心电图信号和超声心动图之间的通信信号在时域,一系列的预处理,如去噪、特征点定位、分割心脏周期的实现由小波变换和阈值方法完成数据收集。提出了一种基于人工智能的比较模型,适应一维时间序列超声心动图的特征信号,自动提取超声心动图的深层特征信号,有效地减少了手工特征选择的主观影响,并实现了自动分类和评价人的左心室容积测量和肺静脉不同状态下。实验结果表明,该BP神经网络模型具有良好的适应性和分类性能LV体积测量的任务和肺静脉自动分类评价和达到平均测试精度超过96.58%。平均均方根误差的比例只有0.65%通过提取出信号压缩编码的特点通过卷积autoencoder原始超声心动图信号,完成信号的压缩和低损耗。比较LSTM网络的训练时间和分类精度与原始信号和编码的特性,实验结果表明,人工智能模型可以大大降低了模型训练时间成本和达到平均97.97%的准确性测试集的实时性能,增加左心室容积测量和肺静脉评价以及安全的数据传输过程,这是非常重要的左心室容积测量和肺静脉的比较。十分重要的现实意义与肺静脉比较左心室体积测量。SN - 2040 - 2295 UR - https://doi.org/10.1155/2021/1336762 - 10.1155 / 2021/1336762摩根富林明医疗工程PB - Hindawi KW - ER