智能系统的进步在不同领域带来了变革性变化，尤其是在医疗保健领域。随着智能医疗系统的不断发展，机器学习（ML）和深度学习（DL）算法的整合日益增多，从而提升了临床工作效率[1]。这些基于AI的解决方案不仅提高了临床效率，还保障了隐私和数据完整性，为构建强大且安全的数字医疗基础设施做出了贡献[2]。在心脏病学中，通过超声心动图、MRI和CT扫描等成像技术来评估心脏功能，以诊断和管理各种心血管疾病[3]。
超声心动图是一种非侵入性检查方法，可用于实时评估心脏的多个体位和相位。它能够高精度地显示心脏结构、运动和血流情况。人类心脏是一个四腔器官，包括两个心房和两个心室。右侧心室负责将缺氧血液泵送到肺部，而左侧心室则负责将含氧血液泵送到身体其他部位以实现全身循环[4]。由于左心室是心血管系统中最重要的组成部分，其功能障碍可能导致严重的健康问题，包括心力衰竭、运动耐受力下降、肺充血和器官功能障碍。图1清晰地展示了心脏的解剖结构和功能特征，不同层次用不同颜色标注：红色代表心内膜，黄色代表心外膜，蓝色代表心房。
分割技术在心脏结构辨识中起着关键作用。它对于诊断和评估心血管疾病至关重要，因为它能够精确量化关键心脏参数，如射血分数、壁厚度和腔室容积。手动分割耗时较长，容易出错，并且高度依赖于观察者的经验、感知和知识，这常常导致结果的可变性和不一致性。AI辅助分割克服了这些限制，通过消除手动分割的时间消耗和主观性，提高了诊断效率，并促进了更客观的临床评估[5]。在心血管相关死亡率上升的背景下，及时准确的诊断尤为重要，因为它能显著改善临床结果。本研究利用DL模型对左心室的不同子结构进行了相位分割评估，分别获得了0.954、0.968和0.912的平均Dice分数。
最新研究表明，院外心脏骤停（OHCA）占全球死亡人数的近10%，几乎是所有心血管相关死亡病例的一半[6]。这些令人担忧的数据表明，迫切需要基于AI的诊断工具来提高医疗服务的可及性，减轻医疗专业人员的负担，并提供更快、更可靠的评估，特别是在服务不足和农村地区。尽管优势显而易见，但人们仍对完全采用AI驱动的诊断方法持谨慎态度。实现超声心动图的自动分割是一个虽小但重要的进步，因为它完全是非侵入性的。然而，心脏复杂的几何结构给自动化分割带来了诸多挑战，包括：（i）由于心脏结构运动导致的形态和动态变化；（ii）对比度区分度有限；（iii）探头引起的纹理变化（斑点噪声）；（iv）由于子结构强度相似导致的结构模糊；（v）回声差异；（vi）严重的运动伪影[7]。这些挑战推动了心脏成像研究的持续发展，塑造了其未来方向。
本文的其余部分安排如下：第2节介绍了与心脏成像方式相关的研究及其局限性。第3节详细介绍了研究中使用的方法和材料以及实施细节。第4节讨论了仿真结果、消融研究和统计分析。第5节将所得结果与现有最先进文献进行了比较，第6节总结了结论和未来研究方向。
