用于胎儿超声图像分析的深度学习算法综述
图像与视频处理
2022-11-08 v1 计算机视觉与模式识别
机器学习
摘要
深度学习（DL）算法正成为处理胎儿超声（US）图像的标准方法。尽管该领域已存在大量综述论文，但其中大多数聚焦于更宽泛的医学图像分析领域，或未能涵盖所有胎儿超声 DL 应用。本文调研了该领域最新工作，共包含 2017 年之后发表的 145 篇研究论文。从方法论和应用两个角度对每篇论文进行了分析与评述。我们将论文归类为（i）胎儿标准平面检测、（ii）解剖结构分析以及（iii）生物测量参数估计。针对每一类，给出了主要局限性与开放问题。文中包含了汇总表格以便于不同方法间的比较。同时总结了公开可用数据集以及常用于评估算法性能的指标。本文以对胎儿超声图像分析 DL 算法当前技术水平的批判性总结作结，并讨论了该领域研究者为将研究方法转化至实际临床实践所必须应对的当前挑战。
引用
@article{arxiv.2201.12260,
title = {A Review on Deep-Learning Algorithms for Fetal Ultrasound-Image Analysis},
author = {Maria Chiara Fiorentino and Francesca Pia Villani and Mariachiara Di Cosmo and Emanuele Frontoni and Sara Moccia},
journal= {arXiv preprint arXiv:2201.12260},
year = {2022}
}