一种用于超声图像中腹肌尺寸测量的深度学习定位方法
图像与视频处理
2021-10-01 v1 计算机视觉与模式识别
摘要
健康专业人员广泛使用二维(2D)超声(US)视频与图像来可视化并测量内脏器官,用于包括评估肌肉结构变化在内的多种目的。US图像可用于测量腹肌尺寸,以诊断并为腰痛(LBP)患者制定定制化治疗方案,然而其解读困难。由于高度变异性,需经专门训练的熟练专业人员测量以避免较低的观察者内可靠性。该变异性源于在腹部US图像中准确找到测量端点正确空间位置的挑战性。本文中,我们采用深度学习(DL)方法自动化2D US图像中腹肌厚度的测量。通过将问题视为定位任务,我们改进了全卷积网络(FCN)架构以生成测量端点坐标位置的团块,类似于人类操作者的做法。我们证明,使用TrA400 US图像数据集,我们的网络在测试集上取得了0.3125的平均绝对误差(MAE),几乎匹配熟练超声技师的表现。我们的方法可推动2D US图像中测量流程自动化的下一步,同时降低观察者间及观察者内变异性,从而获得更有效的临床结果。
引用
@article{arxiv.2109.14919,
title = {A Deep Learning Localization Method for Measuring Abdominal Muscle Dimensions in Ultrasound Images},
author = {Alzayat Saleh and Issam H. Laradji and Corey Lammie and David Vazquez and Carol A Flavell and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2109.14919},
year = {2021}
}
备注
9 pages, 8 figures, 1 tables, Accepted for Publication in the IEEE Journal of Biomedical and Health Informatics (J-BHI) 25-May-2021