Swin Transformer for Automated Severity Classification of Aortic Regurgitation from Echocardiographic Images: A Multi-Center Study
Diese multizentrische Studie zeigt, dass ein auf einem Swin Transformer basierendes Deep-Learning-Modell, das auf standardisierten apikalen Fünfkammer-Farbecho-echokardiographischen Bildern trainiert wurde, im Vergleich zu konventionellen CNN-Architekturen eine hohe Genauigkeit und eine überlegene überzentrenübergreifende Generalisierbarkeit für die automatisierte Schweregradklassifizierung der Aorteninsuffizienz erreicht.