3DFETUS：基于深度学习的 3D 超声面部平面标准化
计算机视觉与模式识别
2025-12-23 v2
摘要
在 3D 医学影像中,由于物体姿态、外观和图像质量的差异,解剖平面的自动定位与标准化仍然是一项具有挑战性的难题。在 3D 超声中,这些挑战因散斑噪声和有限的对比度而进一步加剧,在胎儿成像中尤为突出。为了在面部评估这一背景下应对这些挑战,我们提出:1) GT++,一种利用已标注的解剖标志点从 3D 超声体数据中估计标准面部平面的稳健算法;以及 2) 3DFETUS,一种用于在 3D 胎儿超声体数据中自动且标准化定位这些平面的深度学习模型。我们通过专家临床评审进行定性评估,并辅以定量评估。所提出的方法在每个平面上取得了 3.21 1.98 mm 的平均平移误差和 5.31 3.945 的平均旋转误差,在 3D 超声体数据上优于其他最先进的方法。临床评估进一步证实了 GT++ 和 3DFETUS 的有效性,表明平面估计精度具有统计学意义上的显著提升。
引用
@article{arxiv.2511.10412,
title = {3DFETUS: Deep Learning-Based Standardization of Facial Planes in 3D Ultrasound},
author = {Alomar Antonia and Rubio Ricardo and Albaiges Gerard and Salort-Benejam Laura and Caminal Julia and Prat Maria and Rueda Carolina and Cortes Berta and Piella Gemma and Sukno Federico},
journal= {arXiv preprint arXiv:2511.10412},
year = {2025}
}