잘못된 장기, 올바른 물리: 결핵 선별을 위한 폐 초음파에 심장 초음파 사전 학습 전이

폐 초음파(LUS)는 일차 진료 단계에서 결핵(TB) 선별에 매력적이지만, 레이블링된 코호트가 적습니다. 심장 초음파는 그러한 제약이 없으며, LUS와 동일한 근본적인 초음파 이미징 물리, 신호 처리 및 B-mode 외관을 공유합니다. 우리는 고자원(high-resource) 초음파 도메인에서 사전 학습된 인코더가 저자원(low-resource) 환경에서도 사용 가능한 표현을 가지고 있는지 질문합니다. 오직 인코더만 변하며, 세 가지 아키텍처 패밀리에 걸친 열일곱 개의 인코더를 포함합니다. 이들 중, 일반 비디오(V-JEPA2-L)에서 사전 학습된 잠재 예측 비디오 인코더와 그 심장 초음파 대응물(EchoJEPA-L)은 사전 학습 코퍼스만 다릅니다. 이러한 인코더 선택은 분류를 해결하지 못하며, 측정 해상도 2.71에 대해 전체 패밀리가 2.50 퍼센트 포인트의 차이를 보입니다. 대신 과제를 움직이는 것은 특징 조건화(feature conditioning)입니다. 인코더와 분류기 간의 특징을 표준화하는 것이 모든 열일곱 개의 인코더를 $p=1.5 imes10^{-5}$에서 평균 +1.23 퍼센트 포인트 향상시킵니다. 제외된 테스트 세트에서 개발 폴드에 선택된 모든 인코더는 수신자 작동 특성 곡선(AUROC)의 면적과 90% 민감도에서의 특이도를 각각 최대 +2.57 퍼센트 포인트로 기준선 시스템보다 높게 나타냅니다. 사전에 지정된 대비, 즉 EchoJEPA-L 대 V-JEPA2-L은 $p=0.926$에서 -0.16 퍼센트 포인트를 측정합니다. 따라서 우리는 공유된 초음파 물리만으로 심장 초음파가 일반 비디오보다 더 생산적인 사전 학습 코퍼스를 만든다는 증거를 찾지 못했으며, 존재하더라도 그 이점은 이 코호트가 해결할 수 있는 수준보다 작습니다. 하지만 비디오 인코더는 복제된 정지 이미지를 받으므로, 이러한 효과의 부재가 사전 학습 도메인에 기인하는 것인지 아니면 정적 프레임에 적용된 비디오 인코더 때문인지는 분리할 수 없습니다. 제한적인 요소는 인코더가 아니라 레이블링된 코호트입니다.