EchoFlow：面向心脏超声图像与视频生成的基础模型

深度学习的进展显著提升了医学图像分析，但大规模医学数据集的获取仍受患者隐私 concerns 的制约。我们提出 EchoFlow，一个新颖的框架，用于生成高质量、隐私保护的合成心导图图像和视频。EchoFlow 包含四个关键组件：用于定义心脏超声图像高效潜在表示的对抗变分自编码器，用于生成准确潜在心导图图像的潜在图像流匹配模型，用于通过过滤解剖学上相关图像确保隐私的潜在重识别模型，以及用于在射血功能条件下将潜在图像动画为真实心导图视频的潜在视频流匹配模型。我们对合成数据集进行严格评估，聚焦于临床相关的射血功能回归任务，并首次证明，仅使用 EchoFlow 生成的合成数据集训练的下游模型可实现与使用真实数据集训练的模型在性能上相当。我们发布了模型和合成数据集，支持在 https://huggingface.co/spaces/HReynaud/EchoFlow 上进行更广泛、符合隐私要求的医学超声成像研究。