MiTU-Net：一种用于分割耻骨联合-胎头的、以SegFormer为骨干的微调U-Net
图像与视频处理
2024-01-30 v1 计算机视觉与模式识别
摘要
超声测量已被视为预测成功阴道分娩可能性的潜在工具。进展角（AoP）是一个可在第一产程获得的可靠测量参数。AoP定义为沿耻骨联合（PS）纵轴的直线与从PS下缘到胎头（FH）先露部的连线之间的夹角。然而，在超声图像上测量AoP的过程耗时且容易出错。为应对这一挑战，我们提出了混合Transformer U-Net（MiTU-Net）网络，用于自动进行胎头-耻骨联合分割和AoP测量。MiTU-Net模型基于编码器-解码器框架，利用预训练的高效Transformer来增强特征表示。在该高效Transformer编码器内部，模型显著减少了编码器-解码器模型的可训练参数。通过在近期经会阴超声数据集上进行的实验，证明了所提方法的有效性。我们的模型取得了有竞争力的性能，在现有方法中排名第5。MiTU-Net为自动分割和AoP测量提供了一种高效方法，可减少错误并辅助超声医师进行临床实践。可复现性：框架实现和模型可在https://github.com/13204942/MiTU-Net获取。
引用
@article{arxiv.2401.15513,
title = {MiTU-Net: A fine-tuned U-Net with SegFormer backbone for segmenting pubic symphysis-fetal head},
author = {Fangyijie Wang and Guenole Silvestre and Kathleen Curran},
journal= {arXiv preprint arXiv:2401.15513},
year = {2024}
}
备注
The 5th place in the Pubic Symphysis-Fetal Head Segmentation Challenge in MICCAI 2023