针对概率多任务心力衰竭检测优化临床前超声视频获取
计算机视觉与模式识别
2026-02-17 v1
摘要
目的： echocardiography 使用临床前超声 (POCUS) 必须支持在紧张的床边时间和操作 effort 约束下的临床决策。我们引入一种个性化的数据获取策略，其中 RL 代理在部分观察到的多视图研究中选择下一个要获取的视图或终止获取，以支持心力衰竭 (HF) 评估。终止后，诊断模型联合预测主动脉狭窄 (AS) 严重程度和左心室射出功能 (LVEF)，这是两项关键 HF 生物标志物，并输出不确定性，从而实现诊断性能与获取成本之间的明确权衡。方法：我们将 POCUS 建模为顺序获取问题：在每个步骤上，视频选择器 (RL 代理) 选择下一个要获取的视图或终止获取。终止后，共享多视图 transformer 执行多任务推断，包含两个头：顺序 AS 分类和 LVEF 回归，并输出高斯预测分布，产生 AS 类别的序数概率和 EF 阈值的概率。这些概率驱动一个奖励，在预期诊断效益与获取成本之间实现权衡，产生患者特定的获取路径。结果：数据集包含 12,180 例病人层面研究，划分为训练/验证/测试集 (75/15/15)。在 1,820 例测试研究中，我们的方法在使用 32% 更少视频的情况下匹配完整研究性能，实现 AS 严重程度分类和 LVEF 估计 across 77.2% 的平均平衡准确率 (bACC)，在获取预算约束下展现出稳健的多任务性能。结论：患者定制、成本感知的获取可精简 POCUS 工作流程，同时保持决策质量，产生适用于床边使用的可解释扫描路径。该框架可扩展到额外的心脏端点，并值得在临床中进行前瞻性评估以实现集成。
引用
@article{arxiv.2602.13658,
title = {Optimizing Point-of-Care Ultrasound Video Acquisition for Probabilistic Multi-Task Heart Failure Detection},
author = {Armin Saadat and Nima Hashemi and Bahar Khodabakhshian and Michael Y. Tsang and Christina Luong and Teresa S. M. Tsang and Purang Abolmaesumi},
journal= {arXiv preprint arXiv:2602.13658},
year = {2026}
}
备注
Accepted in IJCARS, IPCAI 2026 special issue