Краткое содержание

arXiv:2510.22990v2 Тип объявления: замена-перекрёстная публикация Аннотация: Ультразвуковая визуализация является одним из наиболее широко используемых диагностических методов, обеспечивающим возможность проведения диагностики в режиме реального времени без радиационного воздействия во многих клинических областях. Однако интерпретация ультразвуковых изображений остаётся сложной задачей вследствие высокого уровня шума, зависимости от оператора и ограниченного поля обзора, что приводит к значительной межнаблюдательной вариабельности. Современные подходы глубокого обучения сдерживаются нехваткой больших размеченных наборов данных и разрывом между общей и сонографической областями изображений, что ограничивает переносимость моделей, предварительно обученных на немедицинских данных. Для решения указанных проблем мы представляем самообучаемую фундаментальную ультразвуковую модель с маскированным автокодированием (USF-MAE) — первую крупномасштабную архитектуру MAE, предварительно обученную исключительно на ультразвуковых данных. Модель была предварительно обучена на 370 тысячах двумерных и трёхмерных ультразвуковых изображений, отобранных из 46 общедоступных наборов данных, объединённых под названием OpenUS-46, охватывающих более двадцати различных областей.