利用 Swoosh 激活函数改进自动胎儿生物测量
图像与视频处理
2024-12-18 v1 人工智能
计算机视觉与模式识别
摘要
胎儿丘脑直径（FTD）和胎儿头围（FHC）的测量对于识别胎儿丘脑发育异常至关重要，因为这可能导致日后生活中的某些神经精神疾病。然而，从 2D 超声（2D-US）图像中进行手动测量费时费力，容易出现较高的观察者间变异性，并受到图像高信噪比特性的复杂影响。基于深度学习的标志点检测方法在从超声图像中测量生物特征方面显示出了前景，但当前最先进的（SOTA）算法 BiometryNet 由于无法考虑这些结构的模糊边缘以及 FTD 结构的复杂形状，不适用于 FTD 和 FHC 的测量。为了解决这些不足，我们提出了一种新颖的 Swoosh 激活函数（SAF），旨在增强标志点检测算法生成的热图的正则化。我们的 SAF 作为正则化项，在预测热图之间强制执行最佳均方误差（MSE）水平，减少预测热图中热点的分散性。我们的实验结果表明，与当前 SOTA 算法 BiometryNet 相比，SAF 显著提高了 FTD 和 FHC 的测量性能，在 FTD 中具有更高的组内相关系数得分，在 FHC 测量中具有更低的平均差异得分。此外，我们提出的 SAF 具有高度的泛化性且与架构无关。SAF 的系数可以为不同的任务进行配置，使其具有高度的可定制性。我们的研究表明，SAF 激活函数是一种可以提高胎儿生物测量标志点检测测量精度的新方法。这种改进有可能有助于更好的胎儿监测和改善新生儿预后。
引用
@article{arxiv.2412.11377,
title = {Improving Automatic Fetal Biometry Measurement with Swoosh Activation Function},
author = {Shijia Zhou and Euijoon Ahn and Hao Wang and Ann Quinton and Narelle Kennedy and Pradeeba Sridar and Ralph Nanan and Jinman Kim},
journal= {arXiv preprint arXiv:2412.11377},
year = {2024}
}