Echocardiogram Foundation Model — Application 1: Estimating Ejection Fraction

要約

心血管疾患は世界的な死亡の主な原因となっています。
心臓を視覚化し、その機能を評価するために利用できるさまざまな画像技術の中で、安全性と低コストのため、心エコー図が好ましい選択肢として浮上しています。
心エコー図に基づいて心臓機能を定量化することは、非常に手間がかかり、時間がかかり、オペレーター間のばらつきが大きくなります。
この研究では、150 万件の心エコー図に対して自己教師あり学習 (SSL) を使用してトレーニングされた心エコー図基礎モデルである EchoAI を紹介します。
EchoAI を微調整してアプローチを評価し、平均絶対パーセント誤差 9.40% を達成する駆出率を推定します。
このレベルの精度は、専門の超音波検査技師のパフォーマンスと一致します。

要約(オリジナル)

Cardiovascular diseases stand as the primary global cause of mortality. Among the various imaging techniques available for visualising the heart and evaluating its function, echocardiograms emerge as the preferred choice due to their safety and low cost. Quantifying cardiac function based on echocardiograms is very laborious, time-consuming and subject to high interoperator variability. In this work, we introduce EchoAI, an echocardiogram foundation model, that is trained using self-supervised learning (SSL) on 1.5 million echocardiograms. We evaluate our approach by fine-tuning EchoAI to estimate the ejection fraction achieving a mean absolute percentage error of 9.40%. This level of accuracy aligns with the performance of expert sonographers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google