用于低成本心脏血流动力学不稳定性检测的多模态变分自编码器
机器学习
2024-07-08 v3 计算机视觉与模式识别
摘要
近期在无创检测心脏血流动力学不稳定性（CHDI）方面的进展主要集中在将机器学习技术应用于单一数据模态，例如心脏磁共振成像（MRI）。尽管这些方法具有潜力，但当标记的患者数据量有限时（这是医学领域的常见挑战），它们往往表现不佳。此外，只有少数研究探索了用于研究 CHDI 的多模态方法，这些方法大多依赖于昂贵的模态，如心脏 MRI 和超声心动图。针对这些局限性，我们提出了一种新颖的多模态变分自编码器（），以整合低成本的胸部 X 光（CXR）和心电图（ECG）模态，并在大型未标记数据集上进行预训练。具体来说， 引入了一种新颖的三流预训练策略来学习共享和模态特定的特征，从而能够使用单模态和多模态数据集进行微调。我们在来自 MIMIC 数据库子集的 50,982 名受试者的大型未标记数据集上预训练了 ，然后在来自 ASPIRE 注册中心的 795 名受试者的标记数据集上对预训练模型进行微调。与现有方法的综合评估表明， 提供了有前景的性能（AUROC ，准确率 ），代表了在无创预测 CHDI 方面迈出的重要一步。我们的模型还能出色地生成与临床特征直接相关的预测精细解释，从而支持临床决策。
引用
@article{arxiv.2403.13658,
title = {Multimodal Variational Autoencoder for Low-cost Cardiac Hemodynamics Instability Detection},
author = {Mohammod N. I. Suvon and Prasun C. Tripathi and Wenrui Fan and Shuo Zhou and Xianyuan Liu and Samer Alabed and Venet Osmani and Andrew J. Swift and Chen Chen and Haiping Lu},
journal= {arXiv preprint arXiv:2403.13658},
year = {2024}
}