基于迭代变换网络的 3D 胎儿超声标准平面检测
计算机视觉与模式识别
2018-10-09 v2
摘要
胎儿脑部超声（US）中的标准扫描平面检测是评估胎儿发育的关键步骤。在临床环境中，这通过手动操纵 2D 探头至所需扫描平面来完成。随着 3D US 的出现，包含这些标准平面的整个胎儿脑体积可轻松获取。然而，在 3D 体积中手动识别标准平面劳动密集，且需要胎儿解剖的专家知识。我们提出一种新的迭代变换网络（ITN）用于 3D 体积中标准平面的自动检测。ITN 使用卷积神经网络来学习 2D 平面图像与将该平面移向 3D 体积中标准平面位置/方向所需变换参数之间的关系。在推理期间，当前平面图像被迭代地传入网络，直到其收敛到标准平面位置。我们探索了使用不同变换表示作为 ITN 回归输出的效果。在多任务学习框架下，我们向网络引入额外的分类概率输出，作为回归变换参数的置信度度量，以进一步提高定位精度。在 72 个胎儿脑部 US 体积上评估时，我们的方法对脑室平面和颅后窝平面分别达到 3.83mm/12.7 度和 3.80mm/12.6 度的误差，且每平面耗时 0.46s。源代码公开于 https://github.com/yuanwei1989/plane-detection。
引用
@article{arxiv.1806.07486,
title = {Standard Plane Detection in 3D Fetal Ultrasound Using an Iterative Transformation Network},
author = {Yuanwei Li and Bishesh Khanal and Benjamin Hou and Amir Alansary and Juan J. Cerrolaza and Matthew Sinclair and Jacqueline Matthew and Chandni Gupta and Caroline Knight and Bernhard Kainz and Daniel Rueckert},
journal= {arXiv preprint arXiv:1806.07486},
year = {2018}
}
备注
8 pages, 2 figures, accepted for MICCAI 2018; Added link to source code