La eficacia de las transformaciones de preservación de la semántica en el aprendizaje auto-supervisado para la...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Tecnología de ultrasonido

Sus antecedentes:

• El aprendizaje auto-supervisado (SSL) se basa en gran medida en el aumento de datos.
• Las técnicas de aumento estándar pueden no transferirse de manera efectiva a las imágenes médicas, particularmente al ultrasonido pulmonar.
• La optimización de SSL para tareas médicas requiere estrategias de datos a medida.

Objetivo del estudio:

• Investigar sistemáticamente el impacto del aumento de datos y el preprocesamiento en el rendimiento del SSL en la ecografía pulmonar.
• Comparar diferentes canalizaciones de aumento, incluido un nuevo enfoque de preservación semántica.
• Proporcionar una guía para la implementación de SSL en imágenes de ultrasonido.

Principales métodos:

• Se evaluaron tres canales de aumento de datos: línea de base, preservación semántica para ultrasonido y un conjunto destilado.
• Se evaluaron modelos previamente entrenados para la detección de la línea B, la detección del derrame pleural y las tareas de clasificación de COVID-19.
• Investigó el efecto del preprocesamiento de imágenes de ultrasonido de preservación semántica.

Principales resultados:

• El aumento de preservación semántica dio el mejor rendimiento para la clasificación de COVID-19, enfatizando el contexto global.
• El aumento basado en el recorte sobresalió en la detección de la línea B y el derrame pleural, que requiere reconocimiento de patrones locales.
• El preprocesamiento de preservación semántica mejoró constantemente el rendimiento de las tareas posteriores.

Conclusiones:

• El aumento y el preprocesamiento de datos personalizados son cruciales para un SSL eficaz en la ecografía pulmonar.
• La elección de la estrategia de aumento debe alinearse con los requisitos específicos de la tarea de diagnóstico (contexto local versus global).
• Los resultados ofrecen una guía práctica para los investigadores y desarrolladores que utilizan SSL para el análisis de ultrasonidos.