基于高阶动态模态分解和小数据集上的视觉转换器的心脏病变识别
图像与视频处理
2024-05-01 v1 计算机视觉与模式识别
机器学习
摘要
心脏病是全球主要的死亡原因。世界卫生组织 (WHO) 估计每年有约1800万人因心脏病去世。鉴于医疗数据的增加，医疗行业面临着开发早期和准确心脏病识别系统的压力。本文提出了一种基于新型深度学习框架的自动心脏病变识别系统，用于实时分析心导图视频序列。该系统包含两个阶段。第一个阶段将心导图序列数据库中的数据转换为机器学习兼容的带注释图像集合，可用于任何机器学习框架（更具体地说是深度学习）的训练阶段。这包括首次将高阶动态模态分解 (HODMD) 算法用于医疗领域的数据增强和特征提取。第二个阶段专注于构建和训练视觉转换器 (ViT)，该方法在相关文献中鲁少被探索。针对小数据集，针对有效从头训练对ViT进行了适配。设计的神经网络分析心导图序列的图像，以预测心脏状态。所得结果表明，所提出的系统优于现有方法，HODMD算法的有效性尤为突出，甚至超过了目前文献中首选的方法——预训练卷积神经网络 (CNN)。
引用
@article{arxiv.2404.19579,
title = {Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets},
author = {Andrés Bell-Navas and Nourelhouda Groun and María Villalba-Orero and Enrique Lara-Pezzi and Jesús Garicano-Mena and Soledad Le Clainche},
journal= {arXiv preprint arXiv:2404.19579},
year = {2024}
}