一种基于图神经网络的左心室射血分数评估方法

本发明提供了一种基于图神经网络的左心室射血分数评估方法。射血分数(EF)是评估心脏功能的重要指标，可用于识别可能患有心功能不全(如心力衰竭)的患者。传统上，EF通过手动描绘心脏超声心动图中的左心室并估算其在特定帧上的体积来计算。然而，由于手动操作和视频质量的差异，这种方法具有很高的观察者间变异性。因此，迫切需要一种既可靠又可解释的机器学习技术，以实现快速和准确的评估。在本发明中，我们引入了一种基于图神经网络的模型，用于从超声心动图视频中估算EF。该模型首先从一个或多个超声心动图序列的帧中推断出潜在的超声心动图结构。接着，它估算图中节点和边的权重，识别出对EF估算至关重要的关键帧。图神经网络回归器利用这个加权图来预测EF。通过定性和定量分析，我们发现学习到的图权重能够识别出EF估算的关键帧，提供了良好的解释性，帮助确定何时需要人工干预。在EchoNet‑Dynamic公共EF数据集上的测试结果表明，本发明在EF预测性能上与现有最先进的方法相当，并且具有解释性。