基于动态变分轨迹模型的心超视频异常检测
机器学习
2023-10-25 v3 人工智能
计算机视觉与模式识别
统计计算
机器学习
摘要
我们提出一种针对超声心动图视频的新型异常检测方法。该方法利用心动周期的周期性来学习变分潜轨迹模型（TVAE）的三种变体。前两种变体（TVAE-C 和 TVAE-R）对心脏的严格周期运动建模，第三种（TVAE-S）更通用，允许视频中空间表示的偏移。所有模型均在由多腔室视图组成的新型内部婴儿超声心动图视频健康样本上训练，以学习健康人群的规范先验。推理时，执行基于最大后验（MAP）的异常检测以检测数据集中分布外样本。所提方法可靠识别严重先天性心脏病，如 Ebstein 畸形或 Shone 复合征。此外，在检测肺动脉高压与右心室扩张时，其性能优于基于 MAP 的标准变分自编码器异常检测。最后，我们证明所提方法可通过高亮对应异常心脏结构区域的热图对其输出提供可解释说明。
引用
@article{arxiv.2206.15316,
title = {Anomaly Detection in Echocardiograms with Dynamic Variational Trajectory Models},
author = {Alain Ryser and Laura Manduchi and Fabian Laumer and Holger Michel and Sven Wellmann and Julia E. Vogt},
journal= {arXiv preprint arXiv:2206.15316},
year = {2023}
}