A Unified Approach for Comprehensive Analysis of Various Spectral and Tissue Doppler Echocardiography

Abstract

Doppler echocardiography offers critical insights into cardiac function and phases by quantifying blood flow velocities and evaluating myocardial motion. However, previous methods for automating Doppler analysis, ranging from initial signal processing techniques to advanced deep learning approaches, have been constrained by their reliance on electrocardiogram (ECG) data and their inability to process Doppler views collectively. We introduce a novel unified framework using a convolutional neural network for comprehensive analysis of spectral and tissue Doppler echocardiography images that combines automatic measurements and end-diastole (ED) detection into a singular method. The network automatically recognizes key features across various Doppler views, with novel Doppler shape embedding and anti-aliasing modules enhancing interpretation and ensuring consistent analysis. Empirical results indicate a consistent outperformance in performance metrics, including dice similarity coefficients (DSC) and intersection over union (IoU). The proposed framework demonstrates strong agreement with clinicians in Doppler automatic measurements and competitive performance in ED detection.

도플러 심초음파는 혈류 속도를 정량화하고 심근 운동을 평가함으로써 심장 기능과 단계를 분석하는 데 중요한 통찰을 제공함. 그러나 기존의 도플러 분석 자동화 방법은 초기 신호 처리 기술에서부터 딥러닝 접근법에 이르기까지 심전도(ECG) 데이터에 대한 의존성과 도플러 뷰를 통합적으로 처리하지 못하는 한계가 있었음. 본 연구에서는 스펙트럼 및 조직 도플러 심초음파 영상을 종합적으로 분석하기 위해 컨볼루션 신경망(CNN)을 사용하는 새로운 통합 프레임워크를 도입함. 이 프레임워크는 자동 측정과 말기 이완기(ED) 검출을 하나의 방법으로 결합함. 네트워크는 다양한 도플러 뷰에서 주요 특징을 자동으로 인식하며, 도플러의 형태적 특징 기반 임베딩 및 안티앨리어싱(Anti-aliasing) 모듈을 통해 해석을 강화하고 일관된 분석을 보장함. 실험 결과에 따르면 제안된 프레임워크는 다이스 유사 계수(DSC) 및 교차 영역 합집합(IoU)과 같은 성능 지표에서 일관된 우수성을 나타냄. 또한, 제안된 프레임워크는 도플러 자동 측정에서 임상의의 측정 값과 높은 상관관계를 보이며, ED 검출에서도 경쟁력 있는 성능을 보임.