超音波ビデオクリップにおけるデクストロカルディアの検出のための機械学習ベースの方法

科学分野:

• 医療用イメージング
• 人工知能
• 胎児 の 発達

背景:

• デクストロカルディアは 心臓が胸の右側にある 生まれながらの異常です
• 正確な胎児診断は 適切な介入と治療に不可欠です
• 現在の検出方法は専門知識とアクセシビリティによって制限されることがあります.

研究 の 目的:

• デクストロカルディアを検出するための自動化された機械学習ベースの方法を開発し,検証する.
• 超音波 (米国) 横断ビデオ,特にサイトと4室 (4CH) ビューを分析する.
• 産前デクストロカルディアスクリーニングの一貫性とアクセシビリティを改善する.

主な方法:

• 胎児の解剖構造 (胸部,脊椎,胃,心臓) について,トランスフォーマーベースのセグメンテーションモデル (SegFormer) を利用した.
• 情報のビデオフレームを検証するための品質評価モジュールを実装しました.
• 胎児の胸部に対する胃と心臓の相対的な方向性を分析して,デクストロカルディアを決定した.

主要な成果:

• セグメンテーションで高いダイススコア (0.949-0.968) とセントロイド推定で低いRMSEを達成しました (0.23-0.39mm).
• デクストロカルディアの自動評価では,フレームベースの分類スコア (FBCS) が0. 99でした.
• この方法は正常な症例とデクストロカルディアの症例を分類する上で堅実な性能を示した.

結論:

• 自動化された方法は,米国のビデオから正確なセグメンテーションと信頼性の高いデクストロカルディア検出を提供します.
• そのシンプルな取得プロトコルと堅固なパイプラインは,非専門医の医療提供者に適しています.
• 特に資源が限られている環境で,より早期に,より一貫した出産前のデクストロカルディアの診断を容易にする可能性.