본 논문은 심장 기능 평가에 사용되는 심초음파 영상 해석 자동화를 위해 비디오-언어 모델을 개발한 연구입니다. 기존 의료 비디오-언어 모델들이 단일 프레임(이미지) 입력에 의존하여 심장의 움직임을 통해서만 진단 가능한 질환의 정확도를 떨어뜨리는 한계를 극복하고자, 다섯 가지 표준 뷰의 전체 심초음파 비디오 시퀀스를 처리하는 모델을 제시합니다. 60,747개의 심초음파 비디오-보고서 쌍으로 학습된 이 모델은 비디오 입력과 다중 뷰 지원으로 인한 검색 성능 향상, 그리고 다양한 사전 학습 모델의 기여도를 평가합니다.
