Heart Failure Prediction using Modal Decomposition and Masked Autoencoders for Scarce Echocardiography Databases

要約

心臓病は、国際的な人間の障害の主な原因を構成します。
世界保健機関（WHO）によると、心臓病の正確な病気のために毎年約1,800万人の死亡が発生しています。
特に、心臓の失敗（HF）は、ヘルスケア業界を押して、早期、迅速、効果的な予測のためのシステムを開発します。
この作業は、心不全の時間予測の挑戦的で具体的なタスクのためにリアルタイム心エコー検査ビデオシーケンスで分析する新しいディープラーニングフレームワークに基づいた自動システムを提示します。
このシステムは2つの段階で動作します。
最初のものは、データを心エコー造影ビデオシーケンスのデータベースから、深い学習ベースのフレームワークのトレーニングフェーズで使用できる注釈付き画像の機械学習互換コレクションに変換します。
この段階には、データ増強と特徴抽出の両方に高次の動的モード分解（HODMD）アルゴリズムの使用が含まれます。
第2段階は、ビジョントランス（VIT）を構築およびトレーニングします。
心不全の予測に関する文献では、これまでのところかろうじて調査されている自己教師の学習（SSL）方法は、希少なデータベースでさえ、ゼロからVITを効果的に訓練するために採用されています。
設計されたニューラルネットワークは、心エコー造影シーケンスの画像を分析して、心不全が発生する時間を推定します。
得られた結果は、HODMDアルゴリズムの有効性と、いくつかの確立されたVITおよび畳み込みニューラルネットワーク（CNN）アーキテクチャに関する提案システムの優位性を示しています。
ソースコードは、modelflows-appソフトウェア（https://github.com/modelflows/modelflows-app）の次のバージョンリリースに組み込まれます。

要約(オリジナル)

Heart diseases constitute the main cause of international human defunction. According to the World Health Organization (WHO), approximately 18 million deaths happen each year due to precisely heart diseases. In particular, heart failures (HF) press the healthcare industry to develop systems for their early, rapid, and effective prediction. This work presents an automatic system based on a novel deep learning framework which analyses in real-time echocardiography video sequences for the challenging and more specific task of heart failure time prediction. This system works in two stages. The first one transforms the data from a database of echocardiography video sequences into a machine learning-compatible collection of annotated images which can be used in the training phase of any machine learning-based framework, including a deep learning-based one. This stage includes the use of the Higher Order Dynamic Mode Decomposition (HODMD) algorithm for both data augmentation and feature extraction. The second stage builds and trains a Vision Transformer (ViT). Self-supervised learning (SSL) methods, so far barely explored in the literature about heart failure prediction, are adopted to effectively train the ViT from scratch, even with scarce databases. The designed neural network analyses images from echocardiography sequences to estimate the time in which a heart failure will happen. The results obtained show the efficacy of the HODMD algorithm and the superiority of the proposed system with respect to several established ViT and Convolutional Neural Network (CNN) architectures. The source code will be incorporated into the next version release of the ModelFLOWs-app software (https://github.com/modelflows/ModelFLOWs-app).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google