本文介绍了一种基于深度学习的自动化 LGE-MRI 图像诊断质量评估方法，重点在于左心房检测和纤维化治疗规划。研究表明，双连续 CNN 网络在左房分割中优于传统方法，Dice 分数达到 93.2%。此外，多实例学习模型在头部 CT 扫描和乳腺肿瘤分类中表现出色，展示了深度学习在医学影像中的应用潜力。

该文综述深度学习在左心房分析中的应用，包括预测左心耳几何与血栓风险、自动分割左心房及量化瘢痕、追踪心房运动与应变、评估LGE-MRI图像质量以及辅助卒中诊断，多项方法Dice系数超过90%。