多视角超声心动图预测射血分数：从稀缺标签中学习
原始标题 / Learning from Scarce Labels: Multi-View Echocardiography for Ejection Fraction Prediction
该研究首次构建了用于左心室射血分数（EF）预测的胸骨旁长轴（PLAX）超声心动图数据集，通过创新的数据生成策略解决了标签稀缺问题，并验证了PLAX视图预测EF的可行性及多视角融合的增益。
01 摘要
该研究提出了一种创新的数据生成方法，利用临床记录与超声视频的时间相关性，结合视图分类器微调和代理标签，创建了超过25,000个PLAX视频的标注数据集。基于此，训练了首个可复现的PLAX EF预测模型，平均绝对误差（MAE）为6.86%，与临床标准的A4C方法（6%-7%）相当。此外，通过简单的无权重晚期融合整合PLAX和A4C预测，MAE降至6.37%，优于单一视图。作者认为这表明PLAX视图进行EF估计是可行且临床相关的。
02 关键点
- 首次公开PLAX-EF数据集，包含25,000+个PLAX视频标签。
- 提出基于时间相关性和代理标签的数据生成策略。
- PLAX EF模型MAE为6.86%，与A4C方法相当。
- 多视角融合（PLAX+A4C）MAE降至6.37%，优于单视图。
回到一手来源
阅读原文 ↗AI GENERATED SUMMARY / DISCOVERED BY ARXIV CS.LG