Structure-aware World Model for Probe Guidance via Large-scale Self-supervised Pre-train

要約

心臓の複雑な構造は、心エコー検査、特に心臓超音波画像の取得において重大な課題を引き起こします。
心エコー検査を成功させるには、2 次元平面上の構造と 3 次元空間内の平面間の空間関係を完全に理解する必要があります。
この論文では、心臓構造を認識した世界モデルを取得するための大規模な自己教師あり事前トレーニング方法を革新的に提案します。
核となるイノベーションは、2D 平面上のマスクされた構造を予測し、3D 空間での姿勢変換に基づいて別の平面を想像することによる構造推論を必要とする自己教師ありタスクを構築することにあります。
大規模な事前トレーニングをサポートするために、10 の標準ビューから 136 万件を超える心エコー図とその 3D 空間ポーズを収集しました。
下流のプローブガイダンスタスクでは、事前トレーニングされたモデルが、74 回の日常的な臨床スキャンからの 29 万個のサンプルを含むテストセットの最も一般的な 10 個の標準ビュー全体でガイダンスエラーを一貫して低減していることを実証し、構造を認識した事前トレーニングがプローブのプローブに利益をもたらすことを示しています。
走査。

要約(オリジナル)

The complex structure of the heart leads to significant challenges in echocardiography, especially in acquisition cardiac ultrasound images. Successful echocardiography requires a thorough understanding of the structures on the two-dimensional plane and the spatial relationships between planes in three-dimensional space. In this paper, we innovatively propose a large-scale self-supervised pre-training method to acquire a cardiac structure-aware world model. The core innovation lies in constructing a self-supervised task that requires structural inference by predicting masked structures on a 2D plane and imagining another plane based on pose transformation in 3D space. To support large-scale pre-training, we collected over 1.36 million echocardiograms from ten standard views, along with their 3D spatial poses. In the downstream probe guidance task, we demonstrate that our pre-trained model consistently reduces guidance errors across the ten most common standard views on the test set with 0.29 million samples from 74 routine clinical scans, indicating that structure-aware pre-training benefits the scanning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google