研究提出了一种改进的3D UNet模型，用于精确分割左心室，排除乳头肌以提高分割精度。实验结果表明，该模型在心脏MRI数据分割中的Dice指数和F1得分表现优异，有望改善临床心功能评估。

该研究通过生成合成TEE图像及其语义标签，解决了数据不足的问题，显著提升了深度学习在左心室分割任务中的性能，Dice分数提高了10%。

该研究通过自监督学习和弱监督训练，在稀疏注释的超声心动图视频中实现了一致的左心室分割，Dice得分达到93.32%，并通过未标记帧实现高数据效用。

超声心动图在小儿心脏病学中至关重要。P-Mamba是一种用于儿童超声心动图左心室分割的创新方法，提高了准确性和效率。