Accuracy of Deep Learning Echocardiographic View Classification in Patients with Congenital or Structural Heart Disease: Importance of Specific Datasets

Supplementary Materials:
The following supporting information can be downloaded at:
https:
//www.mdpi.com/article/10.3390/jcm11030690/s1
. Codes of the generation and training: the
VGG19 deep learning network.
Author Contributions:
All authors were involved in conceptualization, data collection and analysisi.
F.K.W., G.-P.D. and S.O. were responsible for the manuscript drafting. All authors have read and
agreed to the published version of the manuscript.
Funding:
Research in the Department of Cardiology III, University Hospital Münster was supported
by the Karla VÖLLM Stiftung, Krefeld, Germany.
Institutional Review Board Statement:
Ethikkommission der Ärztekammer Westfalen-Lippe, ap-
proval number 2020-751-f-S.
Informed Consent Statement:
Informed consent was obtained where applicable.
Conflicts of Interest:
There are no conflicts of interest.
References
1.
Mitchell, C.; Rahko, P.S.; Blauwet, L.A.; Canaday, B.; Finstuen, J.A.; Foster, M.C.; Horton, K.; Ogunyankin, K.O.; Palma,
R.A.; Velazquez, E.J. Guidelines for Performing a Comprehensive Transthoracic Echocardiographic Examination in Adults:
Recommendations from the American Society of Echocardiography. J. Am. Soc. Echocardiogr. 2019, 32, 1–64. [
CrossRef
] [
PubMed
]
2.
Lauzier, P.T.; Avram, R.; Dey, D.; Slomka, P.; Afilalo, J.; Chow, B.J. The evolving role of artificial intelligence in cardiac image
analysis. Can. J. Cardiol. 2021. [
CrossRef
] [
PubMed
]
3.
Ouyang, D.; He, B.; Ghorbani, A.; Yuan, N.; Ebinger, J.; Langlotz, C.P.; Heidenreich, P.A.; Harrington, R.A.; Liang, D.H.; Ashley,
E.A.; et al. Video-based AI for beat-to-beat assessment of cardiac function. Nature 2020, 580, 252–256. [
CrossRef
] [
PubMed
]
4.
Diller, G.-P.; Babu-Narayan, S.; Li, W.; Radojevic, J.; Kempny, A.; Uebing, A.; Dimopoulos, K.; Baumgartner, H.; Gatzoulis, M.A.;
Orwat, S. Utility of machine learning algorithms in assessing patients with a systemic right ventricle. Eur. Heart. J. Cardiovasc.
Imaging 2019, 20, 925–931. [
CrossRef
] [
PubMed
]
5.
Al’Aref, S.J.; Anchouche, K.; Singh, G.; Slomka, P.J.; Kolli, K.K.; Kumar, A.; Pandey, M.; Maliakal, G.; van Rosendael, A.R.; Beecy,
A.N.; et al. Clinical applications of machine learning in cardiovascular disease and its relevance to cardiac imaging. Eur. Heart J.
2019
, 40, 1975–1986. [
CrossRef
] [
PubMed
]
6.
Narang, A.; Bae, R.; Hong, H.; Thomas, Y.; Surette, S.; Cadieu, C.; Chaudhry, A.; Martin, R.P.; McCarthy, P.M.; Rubenson, D.S.;
et al. Utility of a Deep-Learning Algorithm to Guide Novices to Acquire Echocardiograms for Limited Diagnostic Use. JAMA
Cardiol. 2021, 6, 624–632. [
CrossRef
] [
PubMed
]
7.
Schneider, M.; Bartko, P.; Geller, W.; Dannenberg, V.; König, A.; Binder, C.; Goliasch, G.; Hengstenberg, C.; Binder, T. A machine
learning algorithm supports ultrasound-naïve novices in the acquisition of diagnostic echocardiography loops and provides
accurate estimation of LVEF. Int. J. Cardiovasc. Imaging 2021, 37, 577–586. [
CrossRef
] [
PubMed
]
8.
Boman, K.; Olofsson, M.; Berggren, P.; Sengupta, P.P.; Narula, J. Robot-assisted remote echocardiographic examination and
teleconsultation: A randomized comparison of time to diagnosis with standard of care referral approach. JACC Cardiovasc.
Imaging 2014, 7, 799–803. [
CrossRef
] [
PubMed
]
9.
Zoghbi, W.A.; Adams, D.; Bonow, R.O.; Enriquez-Sarano, M.; Foster, E.; Grayburn, P.A.; Hahn, R.T.; Han, Y.; Hung, J.; Lang, R.M.;
et al. Recommendations for Noninvasive Evaluation of Native Valvular Regurgitation: A Report from the American Society of
Echocardiography Developed in Collaboration with the Society for Cardiovascular Magnetic Resonance. J. Am. Soc. Echocardiogr.
2017
, 30, 303–371. [
CrossRef
] [
PubMed
]
10.
Lang, R.M.; Badano, L.P.; Mor-Avi, V.; Afilalo, J.; Armstrong, A.; Ernande, L.; Flachskampf, F.A.; Foster, E.; Goldstein, S.A.;
Kuznetsova, T.; et al. Recommendations for cardiac chamber quantification by echocardiography in adults: An update from the

---

J. Clin. Med. 2022, 11, 690
11 of 11
American Society of Echocardiography and the European Association of Cardiovascular Imaging. J. Am. Soc. Echocardiogr. 2015,
16, 233–271.
11.
Chang, R.-K.R.; Gurvitz, M.; Rodriguez, S. Missed diagnosis of critical congenital heart disease. Arch. Pediatr. Adolesc. Med. 2008,
162, 969–974. [
CrossRef
] [
PubMed
]
12.
Zhang, J.; Gajjala, S.; Agrawal, P.; Tison, G.H.; Hallock, L.A.; Beussink-Nelson, L.; Lassen, M.H.; Fan, E.; Aras, M.A.; Jordan, C.;
et al. Fully Automated Echocardiogram Interpretation in Clinical Practice. Circulation 2018, 138, 1623–1635. [
CrossRef
] [
PubMed
]
13.
Azarmehr, N.; Ye, X.; Howard, J.P.; Lane, E.S.; Labs, R.; Shun-Shin, M.J.; Cole, G.D.; Bidaut, L.; Francis, D.P.; Zolgharni, M. Neural
architecture search of echocardiography view classifiers. J. Med. Imaging (Bellingham) 2021, 8, 34002. [
CrossRef
] [
PubMed
]
14.
Madani, A.; Arnaout, R.; Mofrad, M.; Arnaout, R. Fast and accurate view classification of echocardiograms using deep learning.
NPJ Digit. Med. 2018, 1, 6. [
CrossRef
] [
PubMed
]
15.
Diller, G.-P.; Kempny, A.; Alonso-Gonzalez, R.; Swan, L.; Uebing, A.; Li, W.; Babu-Narayan, S.; Wort, S.J.; Dimopoulos, K.;
Gatzoulis, M.A. Survival Prospects and Circumstances of Death in Contemporary Adult Congenital Heart Disease Patients Under
Follow-Up at a Large Tertiary Centre. Circulation 2015, 132, 2118–2125. [
CrossRef
]
16.
Baumgartner, H.; de Backer, J.; Babu-Narayan, S.V.; Budts, W.; Chessa, M.; Diller, G.-P.; Lung, B.; Kluin, J.; Lang, I.M.; Meijboom,
F.; et al. 2020 ESC Guidelines for the management of adult congenital heart disease. Eur. Heart J. 2021, 42, 563–645. [
CrossRef
]
17.
Krittanawong, C.; Zhang, H.; Wang, Z.; Aydar, M.; Kitai, T. Artificial Intelligence in Precision Cardiovascular Medicine. J. Am.
Coll. Cardiol. 2017, 69, 2657–2664. [
CrossRef
] [
PubMed
]
18.
Johnson, K.W.; Torres Soto, J.; Glicksberg, B.S.; Shameer, K.; Miotto, R.; Ali, M.; Ashley, E.; Dudley, J.T. Artificial Intelligence in
Cardiology. J. Am. Coll. Cardiol. 2018, 71, 2668–2679. [
CrossRef
] [
PubMed
]
19.
Wang, J.; Liu, X.; Wang, F.; Zheng, L.; Gao, F.; Zhang, H.; Zhang, X.; Xie, W.; Wang, B. Automated interpretation of congenital
heart disease from multi-view echocardiograms. Med. Image Anal. 2021, 69, 101942. [
CrossRef
] [
PubMed
]

---

Document Outline

• Introduction 
• Methods 
  • Imaging Database 
  • Convolutional Neural Networks 
  • Statistical Analysis 
• Results 
  • Deep Neural Network (DNN) Trained with a General Dataset 
  • DNN Trained with a Congenital or Structural Heart Disease (C/SHD)-Specific Dataset 
• Discussion 
• Conclusions 
• References