像心脏超声医师一样思考：将 SAM 与符合临床指南的左心室指标测量相结合
计算机视觉与模式识别
2025-08-13 v1
摘要
遵循临床超声心动图指南的左心室 (LV) 指标测量对于诊断心血管疾病至关重要。尽管现有算法已经探索了自动化的左心室量化，但由于训练数据集通常较小，它们可能难以捕捉通用的视觉表示。因此，有必要引入具有丰富知识的视觉基础模型 (VFM)。然而，以分割一切模型 (SAM) 为代表的 VFM 通常适用于分割，但无法识别关键的解剖点，而这些点对于左心室指标测量至关重要。在本文中，我们提出了一个名为 AutoSAME 的新颖框架，它将 SAM 强大的视觉理解能力与分割和关键点定位任务同时结合起来。因此，该框架模拟了心脏超声医师的操作，实现了符合临床指南的左心室指标测量。我们进一步在 AutoSAME 中提出了滤波交叉分支注意力 (FCBA)，它利用分割中相对全面的特征，从频域角度增强关键点的热图回归 (HR)，从而优化后者学习到的视觉表示。此外，我们提出了空间引导提示对齐 (SGPA)，以自动生成由左心室空间属性引导的提示嵌入，从而通过先验空间知识提高密集预测的准确性。在超声心动图数据集上的大量实验证明了每个设计的效率以及我们的 AutoSAME 在左心室分割、关键点定位和指标测量方面的优越性。代码将发布在 https://github.com/QC-LIU-1997/AutoSAME。
引用
@article{arxiv.2508.08566,
title = {Think as Cardiac Sonographers: Marrying SAM with Left Ventricular Indicators Measurements According to Clinical Guidelines},
author = {Tuo Liu and Qinghan Yang and Yu Zhang and Rongjun Ge and Yang Chen and Guangquan Zhou},
journal= {arXiv preprint arXiv:2508.08566},
year = {2025}
}