BiometryNet：基于标志点的标准超声平面胎儿生物测量估计
图像与视频处理
2022-09-30 v1 计算机视觉与模式识别
机器学习
摘要
基于超声的胎儿生长评估依赖于少数生物测量，这些测量手动进行并相对于预期 gestational age 评估。可靠的生物测量估计取决于标准超声平面中标志点的精确检测。手动标注可能耗时且依赖于操作者，并可能导致较高的测量变异性。现有的自动胎儿生物测量方法依赖于初始的自动胎儿结构分割，随后进行几何标志点检测。然而，分割标注耗时且可能不准确，且标志点检测需要开发特定测量的几何方法。本文描述 BiometryNet，一种用于胎儿生物测量估计的端到端标志点回归框架，克服了这些局限。它包含一种新颖的动态方向确定（DOD）方法，用于在网络训练期间强制特定测量的方向一致性。DOD 减少了网络训练中的变异性，提高了标志点定位精度，从而产生准确且鲁棒的生物测量。为验证我们的方法，我们组装了一个包含来自三个临床站点、使用七种不同超声设备的 1,829 名受试者的 3,398 张超声图像的数据集。在两个独立数据集上对三种不同生物测量的比较和交叉验证表明，BiometryNet 具有鲁棒性，产生的准确测量误差低于临床允许误差，优于其他现有的自动生物测量估计方法。代码见 https://github.com/netanellavisdris/fetalbiometry。
引用
@article{arxiv.2206.14678,
title = {BiometryNet: Landmark-based Fetal Biometry Estimation from Standard Ultrasound Planes},
author = {Netanell Avisdris and Leo Joskowicz and Brian Dromey and Anna L. David and Donald M. Peebles and Danail Stoyanov and Dafna Ben Bashat and Sophia Bano},
journal= {arXiv preprint arXiv:2206.14678},
year = {2022}
}
备注
13 pages, 6 figures, Accepted to MICCAI 2022