Video Experimental Relacionado
Updated: Sep 10, 2025
04:48
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.9K
ERSR: Un refinamiento de pseudoetiqueta restringido por elipse y un marco de regularización simétrica para la
IEEE journal of biomedical and health informatics
|August 25, 2025
Resumen
Este estudio introduce ERSR, un nuevo método semi-supervisado para segmentar cabezas fetales en imágenes de ultrasonido. ERSR mejora la precisión mediante el refinamiento de las pseudoetiquetas y el uso de simetría para el aprendizaje de formas consistentes, mejorando el monitoreo prenatal.
Área de la Ciencia:
- Imágenes médicas
- Inteligencia artificial
- Ingeniería biomédica
Sus antecedentes:
- La segmentación automática de la cabeza fetal en ultrasonido es crucial para el monitoreo prenatal.
- Los desafíos incluyen mala calidad de imagen y datos anotados limitados, lo que dificulta los enfoques semi-supervisados.
- Los métodos existentes luchan con la generación de pseudoetiquetas confiables y la regularización de la consistencia efectiva para los datos de ultrasonido fetal.
Objetivo del estudio:
- Desarrollar un nuevo marco semi-supervisado, ERSR, para la segmentación robusta de la cabeza fetal en imágenes de ultrasonido.
- Abordar las limitaciones de los métodos semisupervisados actuales en el manejo de las características de la imagen de ultrasonido y el pseudoetiquetado.
- Mejorar la precisión y fiabilidad de la vigilancia prenatal automatizada mediante una segmentación mejorada.
Principales métodos:
- Marco ERSR propuesto que incorpora el filtrado adaptativo de doble puntuación, el refinamiento de la pseudoetiqueta restringido por elipse y la regularización de la consistencia múltiple basada en la simetría.
- El filtrado adaptativo de doble puntuación utiliza la consistencia del límite y la regularidad del contorno para refinar las salidas del profesor.
- El refinamiento restringido por elipse fortalece los píxeles centrales y reduce el ruido; la regularización de simetría hace cumplir la consistencia de varios niveles.
Principales resultados:
- El ERSR logró un rendimiento de vanguardia en dos conjuntos de datos de referencia (HC18 y PSFH).
- En el conjunto de datos HC18, se obtuvieron puntuaciones de Dice de 92,05% (10% de datos etiquetados) y 95,36% (20% de datos etiquetados).
- En el conjunto de datos de PSFH, las puntuaciones de Dice alcanzaron el 91,68% (10% de datos etiquetados) y el 93,70% (20% de datos etiquetados).
Conclusiones:
- El marco ERSR propuesto mejora significativamente la precisión de la segmentación de la cabeza fetal en las imágenes de ultrasonido.
- ERSR supera efectivamente los desafíos relacionados con la calidad de la imagen y las anotaciones limitadas utilizando sus nuevas estrategias de refinamiento y regularización.
- El método demuestra un gran potencial para mejorar los sistemas automatizados de monitoreo prenatal.
