基于多任务深度学习的胎儿超声图像分割用于生物参数测量
图像与视频处理
2019-09-04 v1 计算机视觉与模式识别
机器学习
摘要
超声成像是孕期的一项标准检查，可用于测量特定生物参数以进行产前诊断和估算孕周。胎儿头围（HC）是确定胎儿生长与健康状况的重要因素之一。本文提出一种多任务深度卷积神经网络，通过最小化由分割 dice 系数和椭圆参数 MSE 组成的复合代价函数，实现胎儿头部的自动分割与 HC 椭圆估计。在不同孕期的胎儿超声数据集上的实验结果表明，分割结果与提取的 HC 均与放射科医师标注吻合良好。所获得的胎儿头部分割 dice 系数与 HC 评估精度与当前最优（state-of-the-art）方法相当。
引用
@article{arxiv.1909.00273,
title = {Fetal Ultrasound Image Segmentation for Measuring Biometric Parameters Using Multi-Task Deep Learning},
author = {Zahra Sobhaninia and Shima Rafiei and Ali Emami and Nader Karimi and Kayvan Najarian and Shadrokh Samavi and S. M. Reza Soroushmehr},
journal= {arXiv preprint arXiv:1909.00273},
year = {2019}
}