DeepSPV：一种从二维超声图像估计三维脾脏体积的深度学习流程
图像与视频处理
2025-06-04 v2 计算机视觉与模式识别
摘要
脾肿大，即脾脏增大，是多种相关疾病（如镰状细胞病 SCD）的重要临床指标。从二维超声测量的脾脏长度是表征脾脏大小最广泛使用的指标。然而，它仍被视为一个替代测量值，脾脏体积仍然是评估脾脏大小的金标准。精确的脾脏体积测量通常需要三维成像模态，如计算机断层扫描或磁共振成像，但这些方法并不普及，尤其是在 SCD 高发的全球南方地区。在这项工作中，我们引入了一个深度学习流程 DeepSPV，用于从单张或双张二维超声图像中精确估计脾脏体积。该流程包括一个分割网络和一个变分自编码器，用于从估计的分割结果中学习低维表示。我们研究了三种脾脏体积估计方法，我们的最佳模型在单视图/双视图设置下分别达到了 86.62%/92.5% 的平均相对体积准确率（MRVA），超越了人类专家的表现。此外，该流程可以提供体积估计的置信区间，并在可解释性方面提供优势，这进一步支持临床医生在识别脾肿大时做出决策。我们使用扩散模型生成的高度逼真的合成数据集评估了整个流程，从单张二维超声图像中实现了 83.0% 的总体 MRVA。我们提出的 DeepSPV 是首个利用深度学习从二维超声图像估计三维脾脏体积的工作，可以无缝集成到当前的脾脏评估临床工作流程中。
引用
@article{arxiv.2411.11190,
title = {DeepSPV: A Deep Learning Pipeline for 3D Spleen Volume Estimation from 2D Ultrasound Images},
author = {Zhen Yuan and David Stojanovski and Lei Li and Alberto Gomez and Haran Jogeesvaran and Esther Puyol-Antón and Baba Inusa and Andrew P. King},
journal= {arXiv preprint arXiv:2411.11190},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2308.08038