Mar, 2025
自监督正常性学习与差异向量引导模型合并用于胎儿超声视频的零样本先天性心脏病检测
Self-supervised Normality Learning and Divergence Vector-guided Model
Merging for Zero-shot Congenital Heart Disease Detection in Fetal Ultrasound
Videos
Pramit Saha, Divyanshu Mishra, Netzahualcoyotl Hernandez-Cruz, Olga Patey, Aris Papageorghiou...
TL;DR本研究解决了由于缺乏先天性心脏病(CHD)标记数据和隐私法规带来的胎儿超声成像检测模型开发中的重大挑战。我们提出了一种新的隐私保护的零样本CHD检测框架,首次将CHD检测形式化为正常性建模问题,并通过模型合并来提升性能,最终在多个医院的真实数据集上,我们的模型在准确率和F1分数上均超越了各自模型。