echocardiographic video segmentation

新框架量化医学AI视频分析中的时间可解释性

研究人员开发了一个新的定量框架，用于评估用于超声心动图视频分割的深度学习模型的时间可解释性。该框架使用四个指标来评估时间一致性、显著性运动以及解剖和时间重叠。对不同模型架构（包括2D U-Net和ConvLSTM U-Net变体）的实验表明，虽然分割性能相似，但中间ConvLSTM解释显示出比最终预测更少的不稳定性和更多的运动。该研究强调了时间感知可解释性方法在更好地理解医学视频分析中不断演变表征的必要性。