Resumen

Actualmente, la ecocardiografía se ha convertido en una tecnología esencial para el diagnóstico de enfermedades cardiovasculares. La clasificación precisa de las vistas apical de dos cámaras (A2C), apical de tres cámaras (A3C) y apical de cuatro cámaras (A4C), y la detección precisa del ventrículo izquierdo pueden reducir significativamente la carga de trabajo de los médicos y mejorar la reproducibilidad de la segmentación del ventrículo izquierdo. Además, la detección del ventrículo izquierdo es significativa para la reconstrucción tridimensional de las cámaras del corazón. RetinaNet es un algoritmo de detección de objetos de una etapa que puede lograr alta precisión y eficiencia al mismo tiempo. RetinaNet está compuesto principalmente por la red residual (ResNet), la red piramidal de características (FPN) y dos redes totalmente convolucionales (FCN); una FCN es para la tarea de clasificación y la otra es para la tarea de regresión de bordes. En este artículo, utilizamos la

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Ecocardiografía; Enfermedades cardiovasculares; Ventrículo izquierdo; RetinaNet; Clasificación; Detección
• Keywords:Echocardiography; Cardiovascular diseases; Left ventricle; RetinaNet; Classification; Detection