解剖约束变换器用于心脏淀粉样变性分类

心脏淀粉样变性（CA）是一种罕见的心肌病，超声心动图临床测量中表现出典型的异常，如心肌全局纵向应变降低。检测 CA 的替代方法是使用神经网络，利用视频分类模型如卷积神经网络。这些模型处理整个视频片段，但无法保证分类是基于与 CA 相关的临床特征。疾病分类的另一种范式是将模型应用于定量特征如应变，以确保分类与临床相关特征相关联。受此方法启发，我们明确约束变换器模型到许多已知 CA 异常发生的解剖区域——心肌，我们将心肌嵌入为一组变形点和对应的采样图像块作为输入标记。我们证明这种解剖约束也可以应用于流行的自监督学习掩码自动编码器预训练，其中我们提出仅掩码和重建解剖块。我们证明，通过将变换器和预训练任务同时约束到 CA 成像特征定位的心肌区域，与完整视频变换器相比，我们在 CA 分类任务上实现了更高的性能。我们的模型提供了明确的保证，即分类仅聚焦于超声心动图的解剖区域，并使我们能够在变形的心肌上可视化变换器注意力分数。