超声平面位姿回归：评估胎儿脑中的广义位姿坐标
计算机视觉与模式识别
2023-11-03 v2 人工智能
摘要
在产科超声（US）扫描中，学习者从二维（2D）US图像在脑海中构建胎儿三维（3D）地图的能力是技能获取中的一大挑战。我们旨在构建一个无需集成额外传感器的US平面定位系统，用于3D可视化、训练与引导。本工作建立在我们先前研究的基础上，该研究使用卷积神经网络（CNN）回归网络预测相对于归一化参考系的任意取向胎儿脑US平面的六维（6D）位姿。在此，我们详细分析了归一化胎儿脑参考系的假设，并量化了其在获取用于胎儿生物测量的经脑室（TV）标准平面（SP）时的精度。我们研究了训练与测试数据中配准质量的影响及其对训练模型的后续效应。最后，我们引入了数据增强和更大的训练集，改进了先前工作的结果，分别实现了2.97 mm和6.63度的平移与旋转中位误差。
引用
@article{arxiv.2301.08317,
title = {Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates in the Fetal Brain},
author = {Chiara Di Vece and Maela Le Lous and Brian Dromey and Francisco Vasconcelos and Anna L David and Donald Peebles and Danail Stoyanov},
journal= {arXiv preprint arXiv:2301.08317},
year = {2023}
}
备注
13 pages, 9 figures, 2 tables. This article has been accepted for publication in IEEE Transactions on Medical Robotics and Bionics. This is the author's version which has not been fully edited and content may change prior to final publication. This work is licensed under a Creative Commons Attribution 4.0 License. For more information, see https://creativecommons.org/licenses/by/4.0/