PRECISE-AS：用于气流动力学诊断的高效个性化鼻腔超声强化学习框架
计算机视觉与模式识别
2025-09-04 v1
摘要
气流动力学（AS）是由主动脏瓣狭窄导致血液流动受阻的致命疾病。尽管其高发病率，但由于资源限制，尤其在农村和服务不足地区， echocardiography（心脏超声）——作为金标准诊断工具的可及性常受限制。点-of-care 超声（POCUS）提供了更易接近的替代方案，但受限于操作员专业知识以及挑选最相关成像视图的挑战。为此，我们提出了一个基于强化学习（RL）的主动视频获取框架，动态选择每个患者最具信息量的心脏超声视频。与依赖固定视频集合的传统方法不同，我们的方法持续评估是否需要额外的成像，以优化准确性和效率。我们在2,572例患者数据上进行测试，方法实现了80.6%的分类准确率，仅使用47%的心脏超声视频即可完成诊断。这些结果表明，主动特征获取有望提升AS诊断效率、可扩展性和个性化水平，使心脏超声评估更加高效、可扩展且个性化。我们的源代码已公开：https://github.com/Armin-Saadat/PRECISE-AS。
关键词
引用
@article{arxiv.2509.02898,
title = {PRECISE-AS: Personalized Reinforcement Learning for Efficient Point-of-Care Echocardiography in Aortic Stenosis Diagnosis},
author = {Armin Saadat and Nima Hashemi and Hooman Vaseli and Michael Y. Tsang and Christina Luong and Michiel Van de Panne and Teresa S. M. Tsang and Purang Abolmaesumi},
journal= {arXiv preprint arXiv:2509.02898},
year = {2025}
}
备注
To be published in MICCAI 2025