EchoONE: Segmenting Multiple echocardiography Planes in One Model

要約

臨床における心エコー検査では、心疾患のスクリーニング、診断、治療において、通常、異なるビューの心臓構造を含む複数の平面が必要とされる。心エコー検査用のAIモデルは、構造が大きく異なるため、特定の平面ごとに調整する必要があり、その結果、繰り返し開発と余分な複雑さが生じる。このような多平面セグメンテーション(MPS)問題に対する効果的な解決法は、医用画像において非常に求められているが、まだ十分に研究されていない。本論文では、この問題に対して、SAMベースのセグメンテーションアーキテクチャ、意味を考慮した高密度プロンプト生成のための事前構成可能マスク学習(PC-Mask)モジュール、SAM適応のためのシンプルかつ効果的な局所特徴融合適応(LFFA)モジュールを備えた学習可能CNN分岐を用いた、新しい解決策EchoONEを提案する。本手法を複数の心エコーデータセットで広範囲に評価した結果、異なる心臓平面を持つマルチソースデータセットに対して一貫して最先端の性能を達成した。これは心エコーデータに対してMPS問題を1つのモデルで解決した初めての例である。コードはhttps://github.com/a2502503/EchoONE。

要約(オリジナル)

In clinical practice of echocardiography examinations, multiple planes containing the heart structures of different view are usually required in screening, diagnosis and treatment of cardiac disease. AI models for echocardiography have to be tailored for each specific plane due to the dramatic structure differences, thus resulting in repetition development and extra complexity. Effective solution for such a multi-plane segmentation (MPS) problem is highly demanded for medical images, yet has not been well investigated. In this paper, we propose a novel solution, EchoONE, for this problem with a SAM-based segmentation architecture, a prior-composable mask learning (PC-Mask) module for semantic-aware dense prompt generation, and a learnable CNN-branch with a simple yet effective local feature fusion and adaption (LFFA) module for SAM adapting. We extensively evaluated our method on multiple internal and external echocardiography datasets, and achieved consistently state-of-the-art performance for multi-source datasets with different heart planes. This is the first time that the MPS problem is solved in one model for echocardiography data. The code will be available at https://github.com/a2502503/EchoONE.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL