Temporal HeartNet：迈向胎儿心脏筛查视频的人级自动分析
计算机视觉与模式识别
2017-07-04 v1
摘要
我们提出一种自动方法，用于描述胎儿心脏超声 (US) 视频中有关扫描的临床有用信息，并指导图像解读。我们的方法能够在帧级别联合预测胎儿心脏的可见性、视图平面、位置与朝向。本文的贡献有三方面：(i) 开发了用于多任务预测的卷积神经网络架构，通过在空间上滑动 3x3 窗口遍历卷积特征图来计算。(ii) 应用锚机制与交并比 (IoU) 损失以提升定位精度。(iii) 设计了循环架构，在连续帧上递归地随时间计算区域卷积特征，使得每一次预测都以整个视频为条件。这形成了一个时空模型，可在极具挑战性的 US 视频中精确描述详细的心脏参数。我们在真实临床数据集上报告了结果，该方法性能与专家标注相当。
引用
@article{arxiv.1707.00665,
title = {Temporal HeartNet: Towards Human-Level Automatic Analysis of Fetal Cardiac Screening Video},
author = {Weilin Huang and Christopher P. Bridge and J. Alison Noble and Andrew Zisserman},
journal= {arXiv preprint arXiv:1707.00665},
year = {2017}
}
备注
To appear in MICCAI, 2017