基于面板注意力的实时自动 M 模式心房超声测量
原文中文，约200字，阅读约需1分钟。发表于：。提出了 RAMEM，一种实时自动 M 型超声心动图测量方案，包括提供 MEIS 数据集、基于面板注意力的局部到全局高效注意力、以及快速准确的自动标注算法 AMEM，实验证明 RAMEM 在实时 MEIS 测试中超过现有 RIS 骨干网络（具有非局部注意力）和人类表现。
本研究使用基于3D nnU-Net的深度学习方法进行医学图像分割，并与传统2D和循环分割方法进行比较。测试结果显示该方法在时序一致性和跨数据集泛化性方面具有优势，有望成为临床工具的首选。
