تُعتبر قياسات انكماش عضلة القلب من خلال تقنية تخطيط صدى القلب (Echocardiography) من المؤشرات الحيوية الأساسية لدالة القلب. في السنوات الأخيرة، أظهرت أساليب التعلم العميق (Deep Learning) أداءً قويًا في تتبع حركة عضلة القلب، إلا أنها غالبًا ما تفتقر إلى القيود الفسيولوجية، مما يؤدي إلى انحراف زمني خلال دورة القلب. نتيجة لذلك، قد لا تعود النقاط المتعقبة إلى مواقعها النسبية الأصلية عند انتهاء كل دورة قلبية، مما ينتج عنه تقديرات انكماش غير دقيقة بل وحتى انحراف في بعض الحالات. في هذا السياق، نقدم إطار عمل للتعلم العميق يعوض عن انحراف الحركة أثناء تتبع عضلة القلب.

نقوم بتوسيع طريقة تتبع صدى القلب المتطورة (TAS-Net) باستخدام رموز الذاكرة المستمرة (Persistent Memory Tokens) التي تشارك المعلومات عبر النوافذ المنزلقة على مدى دورات القلب الكاملة. كما نعتمد استراتيجية تحسين التدريس (Teacher-Student Fine-Tuning) باستخدام بيانات صدى القلب الحقيقية، مما يضمن حركة دورية متسقة فسيولوجيًا مع الحفاظ على دقة التتبع.

بينت التجارب تقليل الانحراف في الانكماش العالمي والإقليمي، وتحسن الاتفاق مع المراجع السريرية، وزيادة قدرة التكرار الاختباري، مما يعزز من موثوقية تقدير انكماش عضلة القلب في الممارسة السريرية.