用于超声心动图视频中半监督射血分数预测的循环自监督方法
计算机视觉与模式识别
2022-12-19 v2
摘要
左室射血分数（LVEF）是心力衰竭的重要指标。现有的从视频估计 LVEF 的方法需要大量标注数据才能达到高性能，例如使用 10,030 个标注的超声心动图视频达到 4.10 的平均绝对误差（MAE）。然而，标注这些视频耗时且限制了在其他心脏病上的潜在下游应用。本文提出首个用于 LVEF 预测的半监督方法。与通用视频预测任务不同，LVEF 预测具体与超声心动图视频中左心室（LV）的变化相关。通过将预测 LV 分割所学到的知识融入 LVEF 回归，我们可为模型提供额外上下文以获得更好预测。为此，我们提出一种新颖的循环自监督（CSS）方法来学习基于视频的 LV 分割，其动机是观察到心跳是一个具有时间重复性的循环过程。我们分割模型的预测掩码随后可用作 LVEF 回归的额外输入，为 LV 区域提供空间上下文。我们还引入教师-学生蒸馏，将 LV 分割掩码中的信息蒸馏到一个仅需视频输入的端到端 LVEF 回归模型中。结果表明，我们的方法优于其他半监督方法，并且在使用一半标注数量的情况下可达到 4.17 的 MAE，与最先进的监督性能相当。在外部数据集上的验证也显示出使用我们方法的泛化能力有所提升。我们的代码可在 https://github.com/xmed-lab/CSS-SemiVideo 获取。
引用
@article{arxiv.2210.11291,
title = {Cyclical Self-Supervision for Semi-Supervised Ejection Fraction Prediction from Echocardiogram Videos},
author = {Weihang Dai and Xiaomeng Li and Xinpeng Ding and Kwang-Ting Cheng},
journal= {arXiv preprint arXiv:2210.11291},
year = {2022}
}
备注
Accepted in IEEE Transactions on Medical Imaging