基于深度学习的自动管道,用于在常规的三月中旬超声图像中自动划分和测量胎儿大脑结构
David Coronado-Gutiérrez1,2, Elisenda Eixarch3,4,5, Elena Monterde3
1BCNatal | Fetal Medicine Research Center (Hospital Clínic and Hospital Sant Joan de Déu, University of Barcelona), Barcelona, Spain, david.coronado@transmuralbiotech.com.
Fetal diagnosis and therapy
|August 13, 2023
概括
这项研究引入了一种深度学习管道,用于在超声波图像中自动识别和测量胎儿大脑结构,从而实现关键生物识别测量的高精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胎儿医学 胎儿医学
背景情况:
- 胎儿大脑结构分析对于产前诊断至关重要.
- 在胎儿超声波 (美国) 中手动划分和测量是耗时的,并且取决于操作人员.
- 自动化这些流程可以提高效率和一致性.
研究的目的:
- 开发一个深度学习管道,用于自动划分和测量胎儿大脑结构.
- 为了增强对胎儿大脑超声波 (US) 图像的分析.
- 为标准胎儿头部生物识别提供准确的测量.
主要方法:
- 利用了5331张胎儿大脑美国图像的数据集,这些图像来自三月中旬扫描.
- 开发了一个有三个阶段的管道:大脑平面分类,大脑结构划分 (9个结构) 和自动测量.
- 在不同的图像数据子集上训练和评估管道.
主要成果:
- 在大脑平面分类中实现了98.6%的准确性.
- 获得了>96%的像素精度和>70%的杰卡德指数来划分大脑结构.
- 报告了标准头部生物识别 (例如,<3.5%的头部周长) 和其他指标的低绝对误差.
结论:
- 深度学习管道展示了自动化胎儿大脑分析的巨大潜力.
- 使用人工智能,精确地划分和测量胎儿大脑结构是可行的.
- 这项技术可以简化美国常规胎儿检查,并有助于产前诊断.
