超声图像分割中的不确定性建模用于精确胎儿生物测量
图像与视频处理
2024-01-19 v1 计算机视觉与模式识别
摘要
医学图像分割，特别是在超声数据背景下，是计算机视觉和医学成像的关键方面。本文深入探讨了分割过程中不确定性的复杂性，重点关注胎儿头部和股骨超声图像。所提出的方法涉及提取目标轮廓并探索精确参数测量的技术。采用不确定性建模方法来增强分割网络的训练和测试过程。研究表明，胎儿头围测量的平均绝对误差为 8.0833mm，相对误差为 4.7347%。同样，胎儿股骨测量的平均绝对误差为 2.6163mm，相对误差为 6.3336%。采用测试时增强 (TTA) 的不确定性建模实验证明了对两个数据集上数据不确定性的有效可解释性。这表明，基于 TTA 方法纳入数据不确定性可以支持临床从业者做出明智决策，并在实际临床应用中获取更可靠的测量结果。本文促进了超声图像分割的发展，解决了关键挑战并提高了生物测量的可靠性。
引用
@article{arxiv.2401.09639,
title = {Uncertainty Modeling in Ultrasound Image Segmentation for Precise Fetal Biometric Measurements},
author = {Shuge Lei},
journal= {arXiv preprint arXiv:2401.09639},
year = {2024}
}