EchoNarrator：为射血分数预测生成自然语言解释
计算机视觉与模式识别
2024-11-01 v1
摘要
左心室（LV）的射血分数（EF）被认为是诊断急性心力衰竭最重要的测量指标之一，可以在心脏超声采集过程中进行估计。尽管深度学习研究在估计 EF 值方面取得了成功，但提出的模型通常缺乏对预测的解释。然而，为临床测量预测提供清晰直观的解释将增加心脏病学家对这些模型的信任。在本文中，我们探索使用自然语言解释（NLE）来预测 EF 测量值。我们提出了一种模型，通过单次前向传播结合对多帧 LV 轮廓的估计，以及一组用于计算与射血分数相关的各种运动和形状属性的模块和例程。然后将这些属性输入大型语言模型，以类人的方式生成有助于解释网络输出的文本。我们对解释性输出和 EF 预测进行了实验评估，结果表明我们的模型在提供与最先进方法可比的 EF 预测的同时，还能提供有意义且准确的自然语言解释。项目页面位于 https://github.com/guybenyosef/EchoNarrator 。
引用
@article{arxiv.2410.23744,
title = {EchoNarrator: Generating natural text explanations for ejection fraction predictions},
author = {Sarina Thomas and Qing Cao and Anna Novikova and Daria Kulikova and Guy Ben-Yosef},
journal= {arXiv preprint arXiv:2410.23744},
year = {2024}
}
备注
accepted for MICCAI 2024