一种基于DeepLabv3+与R(2+1)D网络的心脏超声视频左心室分割及射血分数计算方法

本发明公开了一种基于DeepLabv3+与R(2+1)D网络的心脏超声视频左心室分割及射血分数计算方法，属于医学人工智能领域。该方法旨在解决现有技术中左心室功能评估时序信息利用不足、关键帧识别自动化程度低、分割精度及整体流程自动化程度不高等问题。其技术方案包括：对原始心脏超声视频进行预处理，包括帧提取、感兴趣区域智能裁剪及数据增强；利用R(2+1)D网络对视频序列进行时序建模，自动识别舒张末期(ED)与收缩末期(ES)关键帧；采用DeepLabv3+网络对已识别的关键帧进行高精度像素级左心室区域分割；基于分割结果与图像物理尺寸标定信息，结合改良Simpson法估算左心室舒张末期容积(LVEDV)和收缩末期容积(LVESV)；最后根据标准公式计算左心室射血分数(LVEF)，并输出结构化报告和可视化图像。本发明通过多网络协同和全流程自动化，显著提升了LVEF评估的准确性、效率、客观性与一致性，具有良好的临床应用前景。