基于3D超声的准确且高效胎儿出生体重估计
图像与视频处理
2025-07-02 v1 计算机视觉与模式识别
摘要
准确的胎儿出生体重(FBW)估计对于优化分娩决策和降低胎儿死亡率至关重要。然而，临床方法效率低下，受操作员依赖限制，且在胎儿解剖复杂的情况下难以应用。现有深度学习方法基于2D常规超声(US)图像或视频，缺乏空间信息，限制了其预测精度。本研究提出首个直接从3D胎儿US体积估计FBW的方法。该方法集成了多尺度特征融合网络(MFFN)和基于合成样本的学习框架(SSLF)。MFFN通过引入通道注意力、空间注意力和排序损失函数，在稀疏监督下有效提取并融合多尺度特征。SSLF通过简单组合不同胎儿的头部和腹部数据生成合成样本，利用半监督学习提升预测性能。实验结果表明，本方法性能卓越，平均绝对误差为 g，平均绝对百分比误差为%，超越现有方法，接近资深医生的准确度。代码已公开于: https://github.com/Qioy-i/EFW。
引用
@article{arxiv.2507.00398,
title = {Accurate and Efficient Fetal Birth Weight Estimation from 3D Ultrasound},
author = {Jian Wang and Qiongying Ni and Hongkui Yu and Ruixuan Yao and Jinqiao Ying and Bin Zhang and Xingyi Yang and Jin Peng and Jiongquan Chen and Junxuan Yu and Wenlong Shi and Chaoyu Chen and Zhongnuo Yan and Mingyuan Luo and Gaocheng Cai and Dong Ni and Jing Lu and Xin Yang},
journal= {arXiv preprint arXiv:2507.00398},
year = {2025}
}
备注
Accepted by MICCAI 2025