用于胎儿超声视频自动质量评估的分层智能体强化学习框架
图像与视频处理
2023-04-17 v1 计算机视觉与模式识别
机器学习
摘要
超声是孕期检查胎儿生长的主要模态，而其图像质量可能受多种因素影响。质量评估对于控制超声图像质量、保证其感知与诊断价值至关重要。现有自动化方法常需繁重的机构化标注，且预测结果未必与人类专家的评估一致。此外，扫描的整体质量与各帧质量间的相关性不应被忽视。本工作中，我们提出一种由两层分级智能体驱动的强化学习框架，协作学习以执行帧级与视频级质量评估。其配备专门设计的奖励机制，考虑帧质量间的时间依赖性，且仅需稀疏二值标注即可训练。在具有挑战性的胎儿脑数据集上的实验结果验证，所提框架可完成双级质量评估，且其预测与主观评估结果高度相关。
引用
@article{arxiv.2304.07036,
title = {Hierarchical Agent-based Reinforcement Learning Framework for Automated Quality Assessment of Fetal Ultrasound Video},
author = {Sijing Liu and Qilong Ying and Shuangchi He and Xin Yang and Dong Ni and Ruobing Huang},
journal= {arXiv preprint arXiv:2304.07036},
year = {2023}
}