The mitral valve is the most susceptible to pathological alterations, such as mitral stenosis, characterized by failure of the valve to open completely. In this context, the objective of this study was to apply digital image processing (DIP) and develop a convolutional neural network (CNN) to provide decision support for specialists in the diagnosis of mitral stenosis based on transesophageal echocardiography examinations. The following procedures were implemented: acquisition of echocardiogram exams; application of DIP; use of augmentation techniques; and development of a CNN. The DIP classified 26.7% cases without stenosis, 26.7% with mild stenosis, 13.3% with moderate stenosis, and 33.3% with severe stenosis. A CNN was initially developed to classify videos into those four categories. However, the number of acquired exams was insufficient to effectively train the model for this purpose. So, the final model was trained to differentiate between videos with or without stenosis, achieving an accuracy of 92% with a loss of 0.26. The results demonstrate that both DIP and CNN are effective in distinguishing between cases with and without stenosis. Moreover, DIP was capable of classifying varying degrees of stenosis severity—mild, moderate, and severe—highlighting its potential as a valuable tool in clinical decision support.

Fundamento A avaliação da área valvar mitral por meio da reconstrução multiplano na ecocardiografia tridimensional é restrita a softwares específicos e à experiência dos ecocardiografistas. Eles precisam selecionar manualmente o frame do vídeo que contenha a área de abertura máxima da valva mitral, dimensão fundamental para a identificação de estenose mitral. Objetivo Automatizar o processo de determinação da área de abertura máxima da valva mitral, por meio da aplicação de Processamento Digital de Imagens (PDI) em exames de ecocardiograma, desenvolvendo um algoritmo aberto com leitura de vídeo no formato avi. Método Este estudo piloto observacional transversal foi realizado com vinte e cinco exames diferentes de ecocardiograma, sendo quinze com abertura normal e dez com estenose mitral reumática. Todos os exames foram realizados e disponibilizados por dois especialistas, com autorização do Comitê de Ética em Pesquisa, que utilizaram dois modelos de aparelhos ecocardiográficos: Vivid E95 (GE Healthcare) e Epiq 7 (Philips), com sondas multiplanares transesofágicas. Todos os vídeos em formato avi foram submetidos ao PDI através da técnica de segmentação de imagens. Resultados As medidas obtidas manualmente por ecocardiografistas experientes e os valores calculados pelo sistema desenvolvido foram comparados utilizando o diagrama de Bland-Altman. Observou-se maior concordância entre valores no intervalo de 0,4 a 2,7 cm2. Conclusão Foi possível determinar automaticamente a área de máxima abertura das valvas mitrais, tanto para os casos advindos da GE quanto da Philips, utilizando apenas um vídeo como dado de entrada. O algoritmo demonstrou economizar tempo nas medições quando comparado com a mensuração habitual.

Background The evaluation of mitral valve area through multiplanar reconstruction in 3-dimensional echocardiography is restricted to specific