ERSR: 超音波画像における半監視胎児の頭部分割のためのエリプス制約の擬似ラベル精製と対称的正規化フレームワーク

科学分野:

• 医療用イメージング
• 人工知能
• 生物医学工学

背景:

• 胎児の頭部を 超音波で分割することは 産前モニタリングに不可欠です
• 課題としては,画像の質が悪く,注釈データも限られており,半監視によるアプローチが困難です.
• 既存の方法は,胎児の超音波データの信頼性の高い擬似レーベル生成と効果的な一貫性の正規化に苦労しています.

研究 の 目的:

• 胎児の頭部を超音波画像で分断するための新しい半監視フレームワーク (ERSR) を開発する.
• 超音波画像の特徴と擬似ラベリングの処理における現在の半監視方法の限界に対処する.
• セグメンテーションの改善により,自動化された産前モニタリングの正確性と信頼性を高める.

主な方法:

• 提案された ERSR フレームワークは,デュアルスコアリングの適応フィルタリング,円制約の擬似ラベルの精錬,および対称性ベースの複数の一貫性の正規化を含んでいます.
• デュアルスコア・アダプティブ・フィルタリングは,境界の一貫性とコントールの規則性を利用して,教師の出力を精錬します.
• エリプス限定の精細化は中央ピクセルを強化し,ノイズを軽減します.対称性の正規化は多層一貫性を強制します.

主要な成果:

• ERSRは2つのベンチマークデータセット (HC18とPSFH) で最先端のパフォーマンスを達成しました.
• HC18データセットでは,92. 05% (10%ラベルデータ) と95. 36% (20%ラベルデータ) のダイススコアが得られました.
• PSFHデータセットでは,Diceスコアは91. 68% (10%ラベルデータ) と93. 70% (20%ラベルデータ) に達した.

結論:

• 提案された ERSR フレームワークは,超音波画像における胎児の頭部分割の精度を大幅に改善します.
• ERSRは画質と制限されたアノテーションに関連する課題を効果的に克服し,新しい精錬と正規化戦略を使用しています.
• この方法は自動化された産前モニタリングシステムの強化に 大きな可能性を秘めている.