深度学习在新生儿呼吸状态超声评估中的应用
图像与视频处理
2020-11-03 v1 计算机视觉与模式识别
摘要
肺部超声成像正受到科学界日益增长的关注。一方面,得益于其无害性与高描述能力,此类诊断成像已大量应用于敏感场景,如新生儿重症监护病房中早产儿的诊断与随访。另一方面,最先进的图像分析与模式识别方法近来已证明其能够充分挖掘这些数据所含的丰富信息,使其对研究界颇具吸引力。在本工作中,我们基于一个庞大且具有挑战性的多中心数据集(包含 87 名患有不同疾病及不同孕周的患者)对近期深度学习网络与训练策略进行了透彻分析。这些方法被用于从超声图像评估肺部呼吸状态,并参照参考标记进行评价。所开展的分析通过揭示可能误导训练过程的关键点,并针对特定数据与任务提出若干改进,厘清了这一问题。所得结果明显优于先前基于纹理特征的工作,并缩小了与人类专家视觉评分之间的差距。
引用
@article{arxiv.2011.00337,
title = {Deep learning in the ultrasound evaluation of neonatal respiratory status},
author = {Michela Gravina and Diego Gragnaniello and Luisa Verdoliva and Giovanni Poggi and Iuri Corsini and Carlo Dani and Fabio Meneghin and Gianluca Lista and Salvatore Aversa and Francesco Raimondi and Fiorella Migliaro and Carlo Sansone},
journal= {arXiv preprint arXiv:2011.00337},
year = {2020}
}
备注
7 pages