核心概念
心臓エコー画像を使用した大動脈弁狭窄(AS)の自動診断において、半教師付き多モーダル多インスタンス学習(SMMIL)は有望なアプローチである。
摘要
心臓エコー画像(超音波検査)を使用してASを自動的に検出することは重要であり、SMMILは2つの入力モダリティから情報を結合し、訓練中にラベル付きセットと豊富な未ラベルセットを組み合わせて分類器を改善します。SMMILは3段階のAS重症度分類やいくつかの臨床的に関連するAS検出タスクで他の手法よりも優れた性能を示すことが実験で示されました。
統計資料
ラベル付きデータが不足している医用画像アプリケーションでは、深層分類器の成功は主に大規模なラベル付きデータセットへのアクセスに依存しています。
TMED-2データセットには、AS重症度ラベルが含まれる唯一のオープンアクセス胸部心エコー図(TTEs)データが含まれています。
TMED-2データセットでは、各TTE研究に対して3クラスのAS重症度ラベルが割り当てられています。
引述
"Automated interpretation of ultrasound imaging of the heart (echocardiograms) could improve the detection and treatment of aortic stenosis (AS), a deadly heart disease."
"During training, SMMIL can combine a smaller labeled set and an abundant unlabeled set of both modalities to improve its classifier."
"SMMIL outperforms recent alternatives at 3-level AS severity classification as well as several clinically relevant AS detection tasks."