FetusMap：三维超声中的胎儿姿态估计
计算机视觉与模式识别
2024-03-05 v2 机器学习
图像与视频处理
摘要
三维超声（US）的出现启发了大量自动化产前检查。然而，关于三维超声中胎儿整体结构化描述的研究仍然很少。本文提出估计超声体数据中的胎儿三维姿态，以促进其在全局和局部尺度上的定量分析。鉴于三维超声中的巨大挑战，包括高体数据维度、较差的图像质量、解剖结构的对称模糊性以及胎儿姿态的大幅变化，我们的贡献有三方面。（i）这是文献中首个关于胎儿三维姿态估计的工作。我们旨在提取整个胎儿的骨架，并为不同节段/关节赋予正确的躯干/肢体标签。（ii）我们提出一种自监督学习（SSL）框架来微调深度网络，以形成视觉上合理的姿态预测。具体而言，我们利用基于地标的配准来有效编码案例自适应的解剖先验，并生成用于监督的演化标签代理。（iii）为使我们的三维网络在有限计算资源下以更高分辨率输入更好地感知上下文线索，我们进一步采用梯度检查点（GCP）策略来节省GPU内存并改进预测。在大型三维超声数据集上的广泛验证表明，我们的方法能处理不同的胎儿姿态并取得有前景的结果。胎儿三维姿态估计有潜力作为一张地图，为许多高级研究提供导航。
引用
@article{arxiv.1910.04935,
title = {FetusMap: Fetal Pose Estimation in 3D Ultrasound},
author = {Xin Yang and Wenlong Shi and Haoran Dou and Jikuan Qian and Yi Wang and Wufeng Xue and Shengli Li and Dong Ni and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1910.04935},
year = {2024}
}
备注
9 pages, 6 figures, 2 tables. Accepted by MICCAI 2019