Deep Learning-Based Multi-View Echocardiographic Framework for Comprehensive Diagnosis of Pericardial Disease
Notice bibliographique
Résumé
ABSTRACT Background Pericardial disease spans a wide spectrum from small effusions to life-threatening tamponade or constriction. Transthoracic echocardiography (TTE) is the main diagnostic tool, but its interpretation is limited by operator dependence and incomplete functional assessment. Existing deep learning (DL) models focus mainly on effusion detection, lacking broader evaluation. Methods We developed a DL-based framework that performs sequential assessment of pericardial disease: (1) morphological features, including effusion amount (normal/small/moderate/large) and pericardial thickening/adhesion (yes/no), from five B-mode views, and (2) hemodynamic significance (yes/no), incorporating Doppler and inferior vena cava measurements. The developmental dataset comprises 2,253 TTEs from multiple Korean institutions (225 for internal testing), and the independent external test set consists of 274 TTEs. Results In the internal test set, diagnostic accuracy was 81.8-97.3% for effusion, 91.6% for thickening/adhesion, and 86.2% for hemodynamic significance. External test set accuracy was 80.3-94.2%, 94.5%, and 85.5%, respectively. Area under the receiver operating curves (AUROCs) for the three tasks was 0.92-0.99, 0.90, and 0.79 internally, and 0.95-0.98, 0.85, and 0.76 externally. Sensitivity for thickening/adhesion and hemodynamic significance improved from 66.7% to 77.3%, and 68.8% to 80.8%, respectively, when poor image quality were excluded. Similar performance gains were observed in subgroups with complete target views and a higher number of available video clips. Conclusions This study presents the first DL-based TTE model for broader pericardial disease evaluation, integrating morphological with supportive functional assessments. The proposed framework demonstrated strong generalizability and aligned with the real-world diagnostic workflow. However, caution is warranted when interpreting results under suboptimal imaging conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».