冠状动脉瘘(CAF)是冠状动脉的罕见缺陷。 当冠状动脉的单个或多个分支与任何心腔或大血管之间的毛细血管前连通异常时,将其称为CAF。 它可以先天性或后天性形式存在。 与获得性瘘相比,先天性瘘占较高的百分比。 午餐时已经使用了多种成像方式,以提供最佳的方法来访问和治疗缺损。 在评估冠状动脉瘘方面,经胸多普勒超声心动图和多层CT(MSCT)血管造影具有值得称赞的作用,但MSCTA处于领先地位。
2024-02-26 12:10:20 1.5MB 多普勒超声心动图
1
移动开发-超声心动图结合Flash CT对圆锥动脉干畸形及肺静脉畸形引流诊断价值的应用研
2022-06-23 17:18:37 7.14MB 移动开发-超声心动图结合Flas
CLAS-pytorch(未完成的) 这是“从外观形状共同学习超声心动图的时空一致分割”的正式实施(MICCAI 2020年初接受,口服) 数据集/挑战 方法(CLAS) 结果(SOTA) 的时间一致性可视化 心脏(心内膜,心外膜,和左心房)分割 方法 远藤 EPI 洛杉矶 ED阶段 骰子 高清 疯狂的 骰子 高清 疯狂的 骰子 高清 疯狂的 0.936 5.3 1.7 0.956 5.2 1.7 0.889 5.7 2.2 0.936 5.6 1.7 0.953 5.9 1.9 0.881 6.0 2.3 克拉斯 0.947 4.6 1.4 0.961 4.8 1.5 0.902 5.2 1.9 ES阶段 骰子 高清 疯狂的 骰子 高清 疯狂的 骰子 高清 疯狂的 0.912 5.5 1.7 0.946 5.7
2022-05-04 19:14:31 1.4MB Python
1
实时三维超声心动图和组织多普勒评价扩张型心肌病左心室舒张同步性借鉴.pdf
2021-12-01 15:05:00 17KB
EchoNet-Dynamic: 可解释的AI用于逐次跳动的心脏功能评估 EchoNet-Dynamic是一种端到端的逐点深度学习模型,用于 左心室的语义分割 通过整个视频或子采样片段预测射血分数,以及 评估射血分数降低的心肌病。 有关更多详细信息,请参见随附的论文, David Ouyang,Bryan He,Amirata Ghorbani,Neal Yuan,Joseph Ebinger,Curt P.Langlotz,Paul A.Heidenreich,Robert A.Harrington,David H.Liang,Euan A.Ashley和James Y.Zou。 自然,2020年3月25日 数据集 我们共享一组已确定身份的10,030张超声心动图图像,这些图像用于训练EchoNet-Dynamic。 使用OpenCV和pydicom对这些图像进行预处理,包括取消识别
2021-09-01 08:49:35 11.31MB video heart segmentation cardiology
1
CAMUS训练集
2021-02-08 09:01:38 483.69MB 深度学习 超声心动图
1
CAMUS训练集,百度网盘下载
2021-02-08 09:01:38 192B 深度学习 婴儿超声心动图
1