CardioBench：心脏超声基础模型是否在实验室之外也能泛化？
计算机视觉与模式识别
2026-05-21 v2
摘要
基础模型正在重塑医学影像领域，但其在心脏超声领域的应用仍有限，这主要受制于对私有数据集的强烈依赖，阻碍了可重复的比较。心脏超声具有独特挑战，包括噪声采集、高帧冗余以及有限的多样化公共数据集。为此，我们引入 CardioBench，一个综合性的心脏超声基础模型基准。具体而言，CardioBench 将八个公开的数据集整合为一个标准化套件，涵盖四个回归任务和五个分类任务，覆盖功能、结构、诊断和视图识别终端。通过该框架，我们在一致的零样例、探针和对齐协议下评估了多个领先的基础模型，包括心脏特定模型、医学领域模型和通用编码器。我们的分析表明，虽然通用编码器在迁移学习方面表现良好，常常在探针方法上实现赶超，但在细粒度区分（如视图分类和亚细节病理识别）方面仍显著不足。结果表明，能够捕获心脏动态的模型在功能任务上表现最佳，而基于检索的方法在跨数据集泛化方面更为一致。通过发布预处理、数据划分和公共评估管道，CardioBench 建立了一个可重复的参考基准，为指导未来心脏超声乃至其他医学影像基础模型的架构设计提供了指南。
引用
@article{arxiv.2510.00520,
title = {CardioBench: Do Echocardiography Foundation Models Generalize Beyond the Lab?},
author = {Darya Taratynova and Ahmed Aly and Numan Saeed and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2510.00520},
year = {2026}
}