胎儿脑部超声扫描中与标准平面接近度的测量

本文引入了一种新颖的流程，旨在使超声（US）平面位姿估计更接近临床应用，从而更有效地导航至胎儿脑部的标准平面。我们提出了一种半监督分割模型，利用已标注的SP和未标注的3D US体数据切片。我们的模型能够在多种胎儿脑部图像中实现可靠的分割。此外，该模型结合了分类机制以精确识别胎儿脑部。我们的模型不仅滤除缺乏脑部的帧，还为包含脑部的帧生成掩码，从而增强了平面位姿回归在临床环境中的相关性。我们专注于通过2D超声（US）视频分析进行胎儿脑部导航，并将该模型与US平面位姿回归网络相结合，以提供对SP和非SP平面的无传感器接近度检测；我们强调接近度检测对于指导超声医师的重要性，通过允许在扫描期间更早、更精确地调整，相较于传统方法提供了显著优势。我们通过对来自不同专业水平超声医师的真实胎儿扫描视频进行验证，展示了该方法的实际适用性。我们的研究结果证明了该方法具有补充现有胎儿超声技术并推动产前诊断实践的潜力。