AIによる胎児心臓欠陥の早期発見の改善

この論文は、新生児の罹患率と死亡率の主要な原因である先天性心疾患の早期発見における重要な進歩を示しています。超音波画像に対する自己教師あり学習を活用することにより、研究者は胎児心臓ビューを分類する既存の方法よりも優れたモデル（USF-MAE）を開発しました。これは、早期発見がタイムリーな介入と改善された結果を可能にするため、特に重要です。超音波画像の大規模なデータセットで事前学習された基盤モデルの使用は、特定のタスクのラベル付きデータが限られている場合でも、モデルが堅牢な特徴を学習できるようにする重要なイノベーションです。確立されたベースラインに対する論文の厳密なベンチマーキングは、その貢献をさらに強化しています。

• •自己教師あり学習モデルであるUSF-MAEは、妊娠初期の胎児心臓ビューの分類精度を大幅に向上させます。
• •このモデルは、教師あり学習のベースラインと、自然画像で事前学習されたVision Transformerよりも優れています。
• •このアプローチは、積極的な画像前処理なしで堅牢なパフォーマンスを示し、非診断フレームの識別を改善します。