一种用于超声图像中掩盖胎儿性别的深度学习方法
计算机视觉与模式识别
2021-09-15 v1
摘要
超声（US）成像在实时诊断的成本与通用性方面极为有效；然而，早期妊娠通过超声扫描判定胎儿性别也是选择性堕胎的一个成因。本工作提出一种深度学习目标检测方法，以准确掩盖 US 图像中的胎儿性别，从而提升该技术的可及性。我们展示了 YOLOv5L 架构在此任务上相对于其他目标检测模型的优越性能。我们的模型在测试集上达到 45.8% AP[0.5:0.95]、92% F1-score 与每图像 0.006 假阳性率。此外，我们引入基于帧间结构相似度的边界框延迟规则，将假阴性率降低 85%，进一步提升掩盖可靠性。
引用
@article{arxiv.2109.06790,
title = {A Deep Learning Approach for Masking Fetal Gender in Ultrasound Images},
author = {Amit Borundiya and Arshak Navruzyan and Dennis Igoschev and Feras C. Oughali and Hemanth Pasupuleti and Mike Fuller and Vinay Kanigicherla and T S Aniruddha Kashyap and Rishabh Chaurasia and Sonali Vinod Jain},
journal= {arXiv preprint arXiv:2109.06790},
year = {2021}
}