融合放射组特征与深度表征用于胎儿超声图像的孕周估计

准确估计孕周，理想方式通过胎儿超声测量实现，这是提供优质产前护理的关键方面。然而，依赖操作员的手动胎儿生物测量来推导孕周存在依赖性且耗时。因此，临床实践中迫切需要自动计算机辅助方法。在本文中，我们提出了一种新颖的特征融合框架，用于无任何测量信息的胎儿超声图像孕周估计。我们采用深度学习模型从超声图像中提取深度表征。我们提取放射组特征以揭示胎儿脑部生长的模式和特征。为充分利用放射组在医学影像分析中的可解释性，我们通过融合放射组特征和深度表征来估计孕周。我们的框架在三个孕周范围内实现 8.0 天的平均绝对误差，优于当前在这些孕周范围内的机器学习方法。实验结果表明，我们框架在不同地理区域的不同人群中具有鲁棒性。我们的代码已公开于 \href{https://github.com/13204942/RadiomicsImageFusion_FetalUS}。