深度学习胎儿超声视频模型在生物测量上匹配人类观察者
图像与视频处理
2022-05-30 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
目的。本工作研究使用深度卷积神经网络（CNN）自动测量胎儿身体部位，包括头围、双顶径、腹围和股骨长度，并利用胎儿超声视频估算孕龄与胎儿体重。方法。我们开发了一种新颖的基于多任务CNN的时空胎儿超声特征提取与标准平面检测算法（称为FUVAI），并在50段自由手采胎儿超声视频扫描上评估该方法。我们将FUVAI的胎儿生物测量与五名经验丰富的超声医师在相隔至少两周的两个时间点所做的测量进行比较，并估算观察者内与观察者间变异性。主要结果。我们发现FUVAI获得的自动胎儿生物测量与经验丰富的超声医师所做的测量相当；观测到的测量值差异处于观察者间与观察者内变异性范围内。此外，分析表明，当将任一独立医学专家与我们的模型比较时，这些差异在统计上不显著。意义。我们认为，FUVAI有潜力通过提供最佳测量帧建议及自动测量，协助临床环境中执行胎儿生物测量的超声医师。此外，FUVAI能在短短几秒内完成这些任务，与超声医师平均六分钟相比差异巨大。鉴于众多国家能解读胎儿超声图像的医学专家短缺，这一点具有重要意义。
引用
@article{arxiv.2205.13835,
title = {Deep Learning Fetal Ultrasound Video Model Match Human Observers in Biometric Measurements},
author = {Szymon Płotka and Adam Klasa and Aneta Lisowska and Joanna Seliga-Siwecka and Michał Lipa and Tomasz Trzciński and Arkadiusz Sitek},
journal= {arXiv preprint arXiv:2205.13835},
year = {2022}
}
备注
Published at Physics in Medicine & Biology