Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets

要約

心臓病は人間の機能不全の国際的な主な原因です。
WHO によると、毎年 1,800 万人近くの人が心臓病が原因で亡くなっています。
また、医療データの増加を考慮すると、心臓病を早期かつ正確に認識するためのシステムを開発するという多大なプレッシャーが医療業界に課せられています。
この研究では、リアルタイムの心エコー検査ビデオ シーケンスを分析する、新しい深層学習フレームワークに基づく自動心臓病理認識システムが提案されています。
システムは 2 段階で動作します。
1 つ目は、心エコー検査シーケンスのデータベースに含まれるデータを、機械学習と互換性のある注釈付き画像のコレクションに変換します。これは、あらゆる種類の機械学習ベースのフレームワークのトレーニング段階で、より具体的には深層学習で使用できます。
これには、医療分野におけるデータ拡張と特徴抽出の両方に、著者の知る限りでは初めて、高次動的モード分解 (HODMD) アルゴリズムの使用が含まれています。
第 2 段階は、関連文献ではほとんど検討されていないビジョン トランスフォーマー (ViT) の構築とトレーニングに焦点を当てています。
ViT は、たとえ小さなデータセットであっても、最初から効果的なトレーニングを行えるように適応されています。
設計されたニューラル ネットワークは、心エコー検査シーケンスからの画像を分析して心臓の状態を予測します。
得られた結果は、提案されたシステムの優位性と HODMD アルゴリズムの有効性を示しており、これまで文献で選ばれている方法である事前学習済み畳み込みニューラル ネットワーク (CNN) をも上回っています。

要約(オリジナル)

Heart diseases are the main international cause of human defunction. According to the WHO, nearly 18 million people decease each year because of heart diseases. Also considering the increase of medical data, much pressure is put on the health industry to develop systems for early and accurate heart disease recognition. In this work, an automatic cardiac pathology recognition system based on a novel deep learning framework is proposed, which analyses in real-time echocardiography video sequences. The system works in two stages. The first one transforms the data included in a database of echocardiography sequences into a machine-learning-compatible collection of annotated images which can be used in the training stage of any kind of machine learning-based framework, and more specifically with deep learning. This includes the use of the Higher Order Dynamic Mode Decomposition (HODMD) algorithm, for the first time to the authors’ knowledge, for both data augmentation and feature extraction in the medical field. The second stage is focused on building and training a Vision Transformer (ViT), barely explored in the related literature. The ViT is adapted for an effective training from scratch, even with small datasets. The designed neural network analyses images from an echocardiography sequence to predict the heart state. The results obtained show the superiority of the proposed system and the efficacy of the HODMD algorithm, even outperforming pretrained Convolutional Neural Networks (CNNs), which are so far the method of choice in the literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google