Ultrasound Heart-Failure Assessment
An echocardiography-video concept for segmenting the left ventricle, estimating end-diastolic and end-systolic volumes, and deriving ejection fraction.
This page reports the maturity and evidence documented in Ethosoft's working archive. It does not imply peer review, regulatory clearance, or clinical validation.
Methods and evidence
Ultrasound Heart-Failure Assessment
An echocardiography-video concept for segmenting the left ventricle, estimating end-diastolic and end-systolic volumes, and deriving ejection fraction.
- Visual model
- Multi-scale feature extraction with spatial attention and feature fusion.
- Temporal model
- Motion analysis across the cardiac cycle rather than isolated-frame classification.
- Planned output
- An EF estimate and low-versus-preserved EF decision-support category.
Evidence boundary: the available brief describes the architecture and intended outputs but contains no evaluation cohort or validated performance result.
Verbatim project material
Original source text
The following text is reproduced exactly from the supplied project files. It is preserved for provenance; it may be in Turkish, use Markdown notation, or contain draft statements.
ultrasonkalpyetmezligi/aciklama.txt
Ultrason Görüntülerinden Yapay Zekâ Destekli Kalp Yetmezliği Tespiti Bu projede, ekokardiyografi görüntülerinden elde edilen kalp ultrasonu verileri kullanılarak sol ventrikül fonksiyonlarının otomatik olarak analiz edilmesi ve kalp yetmezliği bulgularının tespit edilmesi hedeflenmiştir. Modelin; kalbin kasılma ve gevşeme evrelerini inceleyerek sol ventrikül sınırlarını belirlemesi, diyastol ve sistol sonu hacimlerini hesaplaması ve bu değerlerden ejeksiyon fraksiyonu (EF) tahmini yapması amaçlanmıştır. Görüntülerden anlamlı özellikler çıkarabilmek için kalbin farklı boyutlardaki yapısal özelliklerini analiz eden Çok Ölçekli Görsel Özellik Çıkarım Modülü, kalp boşlukları ve dokular arasındaki önemli ilişkileri öğrenen Uzamsal Dikkat ve Özellik Füzyon Modülü ve ardışık ultrason karelerindeki kasılma hareketlerini inceleyen Zamansal Hareket Analizi Modülü kullanılmıştır. Geliştirilen yapay zekâ modeli sayesinde kalbin pompalama performansının otomatik olarak değerlendirilmesi, düşük veya korunmuş EF durumlarının ayırt edilmesi ve kalp yetmezliği açısından erken karar desteği sağlanması amaçlanmıştır.
