利用高阶动态模态分解和视觉 Transformer 对小型数据集中的超声心动图图像进行自动心脏病理识别
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种基于深度学习框架的自动心脏病理识别系统，该系统通过实时心脏超声图像序列进行分析，包括使用 HODMD 算法进行数据增强和特征提取，并在第二阶段使用 Vision Transformer（ViT）进行有效的从零开始训练，结果表明该系统的优越性和 HODMD 算法的有效性。
基于自监督对比学习的深度学习模型通过学习心脏核磁共振扫描伴随的放射学报告的原始文本中的视觉概念，实现了对人类心血管疾病和健康的全面评估。模型在多个数据集上展示了卓越性能，包括左心室射血分数回归和35种不同病症的诊断等任务，且仅需少量训练数据即可实现临床级诊断准确率。
