基于扩散的迭代反事实解释用于胎儿超声图像质量评估
图像与视频处理
2025-07-03 v2 计算机视觉与模式识别
人机交互
机器学习
摘要
产科超声图像质量对于胎儿健康的准确诊断和监测至关重要。然而，获取高质量标准切面十分困难，受超声医师的专业技能以及母体 BMI 或胎儿动态等因素影响。在这项工作中，我们探索了基于扩散的反事实可解释人工智能，以从低质量非标准切面生成逼真的高质量标准切面。通过定量和定性评估，我们证明了所提方法在生成质量提升的合理反事实方面的有效性。这显示出未来通过提供视觉反馈来增强临床医师培训，并可能改善下游诊断和监测的标准切面质量与获取的潜力。
引用
@article{arxiv.2403.08700,
title = {Diffusion-based Iterative Counterfactual Explanations for Fetal Ultrasound Image Quality Assessment},
author = {Paraskevas Pegios and Manxi Lin and Nina Weng and Morten Bo Søndergaard Svendsen and Zahra Bashir and Siavash Bigdeli and Anders Nymark Christensen and Martin Tolsgaard and Aasa Feragen},
journal= {arXiv preprint arXiv:2403.08700},
year = {2025}
}