小白导读
论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。
摘要
论文创新点
我们证明了U-LanD在具有挑战性数据集的稀疏注释数据上的有效性，即超声心动图(回声，心脏超声)。回声视频，又名回声电影系列，有着臭名昭著的噪声性质(样本帧可以在图1中看到)，这增加了自动分析的复杂性。我们解决了左室流出道(LVOT)里程碑检测[23]的任务，这是一个遭受标签稀疏性极端限制的问题;在LVOT训练视频中，整个帧跨度中只有一帧具有ground-truth landmark标签。在每个训练视频中，临床专家都标注了两个点的位置(用于测量左心室直径的点的坐标)，只标注了一帧(心脏收缩期中期周围的一帧)，在这一帧中，目标对象，即主动脉，具有最高的可见性。在我们的实验中，我们收集了4493名患者的大规模回声数据集，证明了ULanD可以显著提高最先进的非贝叶斯对应对象的结果。同时，U-LanD是全自动的，它可以超过涉及专家监督的半自动关键帧地标检测的结果。
框架结构
提出的U-LanD框架的框图，包括训练、统计校准和测试阶段。ULanD自动预测视频关键帧上的地标，而训练视频只标注在一帧上。我们建议利用贝叶斯地标检测器(BU-Net)的预测不确定性，通过时间来识别关键帧和非关键帧。
实验结果
测试视频的样本帧，以及它们对应的任意和认知不确定性映射。a)采样非关键帧，不确定度高(无地标预测)自动丢弃。b)将预测地标叠加在关键帧上的关键帧样本。心脏超声视频的目标是左血流;地标是用来测量LVOT长度(两点之间的线)。图(b)显示了预测的地标(绿色)、地面真实地标(橙色)和重叠部分(黄色)。这种情况下的预测误差(长度的平均绝对差)为0.18 mm。此外，样本视频结果在补充材料中给出。
结论
论文链接：
https://arxiv.org/pdf/2102.01586.pdf
每日坚持论文分享不易，如果喜欢我们的内容，希望可以推荐或者转发给周围的同学。
– END –
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！