[论文解读] Automatic Detection of Cardiac Chambers Using an Attention-based YOLOv4 Framework from Four-chamber View of Fetal Echocardiography

Sibo Qiao, Shanchen Pang+6 more|arXiv (Cornell University)|Nov 26, 2020

Fetal and Pediatric Neurological Disorders参考文献 33被引用 6

一句话总结

该论文提出 MRHAM-YOLOv4-Slim，一种基于多阶段残差混合注意力模块（MRHAM）的注意力增强型 YOLOv4 框架，用于在四腔心视图胎儿超声心动图中精确检测四个胎儿心脏腔室（LV、LA、RV、RA）。该方法在噪声大、分辨率低的超声图像中提升了特征判别能力，实现了最先进的性能，mAP 达到 95.3%，推理速度达 43 FPS。

ABSTRACT

Echocardiography is a powerful prenatal examination tool for early diagnosis of fetal congenital heart diseases (CHDs). The four-chamber (FC) view is a crucial and easily accessible ultrasound (US) image among echocardiography images. Automatic analysis of FC views contributes significantly to the early diagnosis of CHDs. The first step to automatically analyze fetal FC views is locating the fetal four crucial chambers of heart in a US image. However, it is a greatly challenging task due to several key factors, such as numerous speckles in US images, the fetal cardiac chambers with small size and unfixed positions, and category indistinction caused by the similarity of cardiac chambers. These factors hinder the process of capturing robust and discriminative features, hence destroying fetal cardiac anatomical chambers precise localization. Therefore, we first propose a multistage residual hybrid attention module (MRHAM) to improve the feature learning. Then, we present an improved YOLOv4 detection model, namely MRHAM-YOLOv4-Slim. Specially, the residual identity mapping is replaced with the MRHAM in the backbone of MRHAM-YOLOv4-Slim, accurately locating the four important chambers in fetal FC views. Extensive experiments demonstrate that our proposed method outperforms current state-of-the-art, including the precision of 0.919, the recall of 0.971, the F1 score of 0.944, the mAP of 0.953, and the frames per second (FPS) of 43.

研究动机与目标

• 解决在低质量、斑点噪声严重的四腔心视图超声图像中精确定位胎儿心脏腔室的挑战。
• 克服因目标尺寸小、位置多变以及心脏腔室间高度相似性带来的困难。
• 通过将空间与通道注意力机制整合到轻量化 YOLOv4 检测器中，提升特征学习的鲁棒性。
• 开发一种实时、高精度的检测系统，以支持先天性心脏病（CHDs）的早期产前诊断。

提出的方法

• 提出一种多阶段残差混合注意力模块（MRHAM），用于替换 CSPDarknet53-Slim 主干网络中的残差恒等映射，以增强特征表示能力。
• 将 MRHAM 集成到 YOLOv4-Slim 中，构建 MRHAM-YOLOv4-Slim 模型，以增强对相关心脏结构的关注，同时抑制背景噪声。
• 采用轻量化 CSPDarknet53-Slim 主干网络，以减少因胎儿超声心动图数据集有限而导致的过拟合。
• 以级联的多阶段方式应用空间与通道注意力机制，聚焦于心脏腔室的判别性区域。
• 在带有四个腔室边界框标注的胎儿四腔心视图超声图像上端到端训练模型。
• 在检测精度与推理速度之间进行优化，实现实时性能，达到 43 FPS。

实验结果

研究问题

• RQ1 混合注意力机制是否能提升在低分辨率、斑点噪声严重的胎儿超声心动图图像中对心脏腔室检测的特征判别能力？
• RQ2 所提出的 MRHAM 模块在定位胎儿心脏腔室方面，与标准残差块及其他注意力模块（如 CBAM）相比表现如何？
• RQ3 将 MRHAM 集成到 YOLOv4-Slim 中，相较于最先进方法，能在多大程度上提升 mAP、精确率、召回率和 F1 分数？
• RQ4 所提出的模型是否能在保持优异检测精度的同时，维持高推理速度（FPS），以支持临床实时部署？

主要发现

• MRHAM-YOLOv4-Slim 实现了 95.3% 的平均平均精度（mAP@0.5），优于所有对比的最先进方法。
• 模型的精确率为 91.9%，召回率为 97.1%，F1 分数为 94.4%，表明检测具有高度可靠性。
• 模型推理速度达 43 FPS，显著快于两阶段检测器（如 Faster R-CNN 的 8 FPS），同时保持更高精度。
• MRHAM-YOLOv4-Slim 在所有评估指标上均优于 YOLOv4-Slim（mAP 75.2%）、YOLOv4（mAP 82.7%）和 CBAM-YOLOv4-Slim（mAP 89.7%）。
• 消融实验证实，用 MRHAM 替换残差块可显著增强特征学习，尤其在噪声大和模糊的心脏区域。
• 该模型在真实临床数据上表现出强大的泛化能力，可视化结果表明其在多样化胎儿心脏视图中均具备优越的定位精度。