Core Concepts
心エコー画像を用いて、高次動的モード分解と視覚変換器を活用することで、小規模データセットでも高精度に心臓病を自動認識できる。
Abstract
本研究では、心エコー画像を用いた自動心臓病認識システムを提案している。このシステムは2つのステージから構成される。
第1ステージでは、心エコー画像シーケンスのデータベースを機械学習に適したアノテーション付き画像データに変換する。この際、高次動的モード分解(HODMD)アルゴリズムを初めて医療分野で活用し、ノイズ低減と特徴抽出を行う。
第2ステージでは、小規模データセットでも効果的に学習できるよう改良した視覚変換器(ViT)を用いて、入力された心エコー画像シーケンスから心臓状態を予測する。
実験の結果、提案システムは既存の畳み込みニューラルネットワークを上回る性能を示した。HODMDによる特徴抽出と、ViTの改良により、小規模データセットでも高精度な心臓病認識が可能となった。
Stats
心エコー画像シーケンスの解析により、心臓の状態を示す重要な指標が抽出された。
心臓の収縮と拡張に関連する周波数と振幅
心臓の動的パターンを表す高次動的モード
Quotes
"高次動的モード分解(HODMD)アルゴリズムを初めて医療分野で活用し、ノイズ低減と特徴抽出を行う。"
"小規模データセットでも効果的に学習できるよう改良した視覚変換器(ViT)を用いて、入力された心エコー画像シーケンスから心臓状態を予測する。"