Echo-Path：基于病灶条件的心脏病_echo 视频生成
计算机视觉与模式识别
2025-09-23 v1 人工智能
摘要
心血管疾病 (CVD) 仍是全球死亡率的主要原因，超声心动图是诊断常见和先天性心脏病病情的关键工具。然而，某些病灶的超声心动图数据稀缺，阻碍了开发健壮的自动诊断模型。本工作提出了 Echo-Path，一种新型生成式框架，用于生成特定心脏病灶条件下的超声心动图视频。Echo-Path 可合成呈现目标性异常的逼真超声视频序列，本文重点关注心脏隔缺 (ASD) 和肺动脉高压 (PAH)。我们的方法将病灶条件机制引入最先进的超声视频生成器中，使模型能够学习和控制心脏中疾病特定的结构和运动模式。定量评估表明，合成视频的分布距离较小，表明视觉保真度高。临床上，生成的超声心动图显示出可信的病灶标记。此外，训练于合成数据上的分类器对真实数据的泛化能力良好，且用于增强真实训练集时，可将 ASD 和 PAH 的下游诊断准确率分别提高 7% 和 8%。代码、模型权重和数据集均可在 https://github.com/Marshall-mk/EchoPathv1 获取。
引用
@article{arxiv.2509.17190,
title = {Echo-Path: Pathology-Conditioned Echo Video Generation},
author = {Kabir Hamzah Muhammad and Marawan Elbatel and Yi Qin and Xiaomeng Li},
journal= {arXiv preprint arXiv:2509.17190},
year = {2025}
}
备注
10 pages, 3 figures, MICCAI-AMAI2025 Workshop