基于融合策略与深度学习的人体胎盘自动 3D 多模态超声分割
图像与视频处理
2024-01-19 v1 计算机视觉与模式识别
机器学习
摘要
目的：超声是临床实践中诊断和筛查最常用的医学成像模态。由于其安全性、非侵入性和便携性，超声是妊娠期胎儿评估的主要成像模态。当前的超声处理方法要么是手动的，要么是半自动的，因此费力、耗时且容易出错，而自动化将在很大程度上解决这些挑战。早期妊娠时自动识别胎盘变化可能有助于针对胎儿生长受限和先兆子痫等目前仅在妊娠晚期才能检测到的状况进行潜在治疗，从而可能预防围产期发病率和死亡率。方法：我们提出了一种结合不同融合策略的深度学习自动三维多模态（B 模式和能量多普勒）人体胎盘超声分割方法。我们收集了包含 400 项研究的 B 模式和能量多普勒超声扫描数据。结果：我们基于标准的重叠和边界指标评估了不同的融合策略和最先进的图像分割网络用于胎盘分割。我们发现，以 B 模式和能量多普勒扫描形式存在的多模态信息优于任何单一模态。此外，我们发现数据级融合的 B 模式和能量多普勒输入扫描提供了最佳结果，平均 Dice 相似系数 (DSC) 为 0.849。结论：我们得出结论，结合 B 模式和能量多普勒扫描的多模态方法能够以全自动方式有效地从 3D 超声扫描中分割胎盘，并且对数据集的质量变化具有鲁棒性。
引用
@article{arxiv.2401.09638,
title = {Automatic 3D Multi-modal Ultrasound Segmentation of Human Placenta using Fusion Strategies and Deep Learning},
author = {Sonit Singh and Gordon Stevenson and Brendan Mein and Alec Welsh and Arcot Sowmya},
journal= {arXiv preprint arXiv:2401.09638},
year = {2024}
}