EchoApex：一款用于超声心动图的通用视觉基础模型
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对超声心动图的定量评估问题，提出了EchoApex模型，该模型能够应对不同临床实践中的超声图像变化。通过自监督学习，EchoApex在超过2000万张超声图像上进行预训练，并在多个临床应用中展现出优越性能，证明了其在超声心动图领域的广泛应用潜力。
我们提出了一种名为BackMix的增强方法，通过随机选择其他样本的背景，减少背景对结果的影响，提高模型泛化能力。即使只有5%的标签，BackMix在半监督学习中也表现出色。我们还引入了wBackMix损失加权机制，增强样本的贡献。实验显示，BackMix在分类准确性、区域关注度和泛化能力上有显著提升。
