Résumé:
Dans cette étude, nous proposons un système intelligent pour l’estimation automatique de la fraction d'éjection (FE) appelé SmartEFeS, qui est utilisé dans le diagnostic des maladies cardiaques basé sur l'analyse d'échocardiogrammes en utilisant la Data Set d’Echonet Dynamic. Notre approche utilise le modèle MobileNet v2 qui est un réseau de neurones convolutifs (CNN) pour calculer la FE. Lorsque la FE est réduite en raison d'une lésion musculaire cardiaque, comme après une crise cardiaque, la capacité de pompage est diminuée en raison d'une contraction plus faible du muscle cardiaque. Il est nécessaire de délimiter avec précision le vidage insuffisant du ventricule gauche (VG) dans la cavité cardiaque sur les images. Cela peut être réalisé en utilisant des techniques de segmentation d'image et en détectant des points clés spécifiques correspondant aux phases de l'endodiastole (ED) et de l'endsystole (ES) dans les images échocardiographies. Ces points clés sont cruciaux pour évaluer la fonction cardiaque et diagnostiquer différentes pathologies. L'objectif principal est de former le modèle à reconnaître ces points clés en exploitant des caractéristiques visuelles spécifiques présentes dans les images échocardiographies. Ainsi, notre système offre une solution automatisée pour faciliter le diagnostic précoce et précis des maladies cardiaques, améliorant ainsi les soins aux patients et la qualité de vie.
