基于机器学习的超声图像胎儿头部生物测量自动评估
医学物理
2019-06-06 v1
摘要
基于超声的胎儿生物测量指标，如头围（HC）和双顶径（BPD），常用于评估孕周和诊断胎儿中枢神经系统（CNS）病变。由于手动测量依赖操作者且耗时，已有大量关于自动化方法的研究。然而，现有自动化方法在准确性和可靠性方面仍不尽如人意，原因在于难以处理超声图像中的各种伪影。本文聚焦于胎儿头部生物测量，开发了一种基于深度学习的方法来高精度、高可靠地估计 HC 和 BPD。所提方法通过区分相对于超声传播方向的组织图像模式，有效识别头部边界。该方法使用 102 个标注数据集进行训练，并在 70 张超声图像上进行测试。我们在 HC 和 BPD 估计上取得了 92.31% 的成功率，在平面接受度检查上取得了 87.14% 的准确率。
引用
@article{arxiv.1808.06150,
title = {Automatic evaluation of fetal head biometry from ultrasound images using machine learning},
author = {Hwa Pyung Kim and Sung Min Lee and Ja-Young Kwon and Yejin Park and Kang Cheol Kim and Jin Keun Seo},
journal= {arXiv preprint arXiv:1808.06150},
year = {2019}
}