FUSC：基于深度自监督学习的孕中期胎儿超声语义聚类
计算机视觉与模式识别
2024-01-17 v2
摘要
超声是孕期临床实践中的主要成像方式。每年有超过 1.4 亿胎儿出生，产生大量扫描图像。海量胎儿超声扫描的可用性为训练鲁棒机器学习模型提供了机遇。然而，扫描图像的丰富也带来挑战，因为监督方法需要对每幅图像进行手动标注。标注通常劳动密集且需专业知识以准确勾画图像。本研究提出一种无监督方法，自动将超声图像聚类为大量胎儿视图，减少或消除手动标注需求。我们的胎儿超声语义聚类（FUSC）方法使用 88,063 张图像的大型数据集开发，并在额外的 8,187 张未见过的数据集上进一步评估，聚类纯度超过 92%。我们的调研结果有望显著影响胎儿超声成像领域，并为更先进的自动标注方案铺平道路。最后，我们公开代码与实验设置以助推该领域发展。
引用
@article{arxiv.2310.12600,
title = {FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans Using Deep Self-supervised Learning},
author = {Hussain Alasmawi and Leanne Bricker and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2310.12600},
year = {2024}
}