早孕期三维超声中人胚胎的多图谱分割与空间配准
图像与视频处理
2023-08-29 v3 计算机视觉与模式识别
机器学习
摘要
对早孕期获取的超声(US)影像数据进行分割与空间配准，对于监测人类胚胎在这一关键生命时期的生长发育至关重要。现有方法多为手动或半自动，因而非常耗时且易出错。为实现这些任务的自动化，我们提出一种以最小监督深度学习进行胚胎自动分割与空间配准的多图谱框架。我们的框架学习将胚胎配准至一个图谱，该图谱由一定孕周(GA)范围内获取的US图像组成，这些图像已被分割并空间配准至预定义标准方位。由此，我们可推导出胚胎的分割结果并将胚胎置于标准方位。研究使用了8+0至12+6周GA获取的US图像，并选取八例受试者作为图谱。我们评估了融合多个图谱的不同策略：1)使用单一受试者的图谱图像训练框架，2)使用所有可用图谱的数据训练框架，3)对每个受试者训练的框架进行集成。为评估性能，我们计算了测试集上的Dice分数。我们发现，使用所有可用图谱训练框架优于集成方法，且与在单一受试者上训练的最佳框架结果相近。此外，我们发现从所有可用图谱中选取孕周最接近的四例图谱图像，无论个体质量如何，均给出最佳结果，中位Dice分数为0.72。我们得出结论：我们的框架能够准确分割并空间配准早孕期三维US图像中的胚胎，且对可用图谱中存在的质量差异具有鲁棒性。
引用
@article{arxiv.2202.06599,
title = {Multi-Atlas Segmentation and Spatial Alignment of the Human Embryo in First Trimester 3D Ultrasound},
author = {W. A. P. Bastiaansen and M. Rousian and R. P. M. Steegers-Theunissen and W. J. Niessen and A. H. J. Koning and S. Klein},
journal= {arXiv preprint arXiv:2202.06599},
year = {2023}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://www.melba-journal.org/papers/2022:020.html