基于扩散模型的胎儿脑部超声无监督异常检测
图像与视频处理
2024-07-23 v1
摘要
超声检查是孕中期评估胎儿发育的重要工具，因其无创和实时成像能力而备受青睐。然而，超声图像的解读常因声影、斑点噪声及其他伪影而变得复杂，这些因素会掩盖关键的诊断细节。为应对这些挑战，本研究提出了一种专为胎儿超声成像设计的新型无监督异常检测框架。该框架结合了孕周过滤、胎儿标准切面的精确识别以及脑区的针对性分割，以提高诊断准确性。此外，我们在此背景下引入了去噪扩散概率模型，这标志着在检测先前未被识别的异常方面的一项重大创新。我们使用各种基于扩散的异常检测方法、噪声类型和噪声水平对该框架进行了严格评估。值得注意的是，AutoDDPM 表现最为出色，在检测异常方面达到了 79.8% 的精确率-召回率曲线下面积。这一进展有望改善可用于精细且有效的产前诊断的工具。
引用
@article{arxiv.2407.15119,
title = {Diffusion Models for Unsupervised Anomaly Detection in Fetal Brain Ultrasound},
author = {Hanna Mykula and Lisa Gasser and Silvia Lobmaier and Julia A. Schnabel and Veronika Zimmer and Cosmin I. Bercea},
journal= {arXiv preprint arXiv:2407.15119},
year = {2024}
}
备注
ASMUS 2024: 5th International Workshop on Advances in Simplifying Medical Ultrasound