基于卷积神经网络、霍夫变换与沿椭圆路径旋转的高斯差分（Dogell）算法的胎儿头围与腹围测量
定量方法
2019-11-15 v1 计算机视觉与模式识别
图像与视频处理
摘要
与发达国家相比，印度尼西亚的胎儿-新生儿死亡人数仍然很高。这是由孕期缺乏母体监测所致。本文提出了一种从超声（USG）图像中自动测量胎儿头围（HC）和腹围（AC）的方法。该自动测量有助于在孕期早期发现胎儿异常。我们使用卷积神经网络（CNN）方法对 USG 数据进行预处理。此后，我们利用霍夫变换算法和沿椭圆路径旋转的高斯差分（Dogell）算法近似头围与腹围。我们使用来自印度尼西亚国家医院的数据集，并在精度测量中将我们的结果与专业产科医生测量的标注图像进行比较。结果表明，通过使用 CNN，我们减少了由噪声图像引起的误差。我们发现 Dogell 算法在时间和精度上均优于霍夫变换算法。这是首个使用 CNN 方法对数据进行预处理的 HC 和 AC 近似。
引用
@article{arxiv.1911.06298,
title = {Fetal Head and Abdomen Measurement Using Convolutional Neural Network, Hough Transform, and Difference of Gaussian Revolved along Elliptical Path (Dogell) Algorithm},
author = {Kezia Irene and Aditya Yudha P. and Harlan Haidi and Nurul Faza and Winston Chandra},
journal= {arXiv preprint arXiv:1911.06298},
year = {2019}
}
备注
5 pages, 9 figures