相关实验视频
Updated: Jul 9, 2025
08:04
Murine Fetal Echocardiography
Published on: February 15, 2013
17.4K
FHUSP-NET:用于胎儿心脏超声波标准平面识别和关键解剖结构检测的多任务模型
Furong Li1, Ping Li2, Xiuming Wu3
1College of Physics and Electronic Engineering, Northwest Normal University, Lanzhou, 730070, China.
Computers in biology and medicine
|December 2, 2023
概括
一个新的深度学习网络,FHUSP-NET,在产前扫描中准确识别胎儿心脏超声波标准平面和关键解剖结构. 这种人工智能工具提高了诊断速度和精度,以改善胎儿生长预测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 产科 产科 产科 产科 产科
背景情况:
- 产前超声波查对于胎儿生长评估至关重要.
- 由于胎儿心脏的大小和运动,准确识别胎儿心脏超声波标准平面 (FHUSPs) 是具有挑战性的.
研究的目的:
- 开发和评估一个深度学习网络 (FHUSP-NET),用于自动识别五个FHUSP.
- 同时检测关键的胎儿心脏解剖结构.
主要方法:
- 从1300个怀孕中利用了3360张超声波图像.
- 使用空间金字塔聚合和挤压激发网络来增强特征表示.
- 引入了一种高效的IOU损失函数,以优化相似性.
主要成果:
- 在检测 (mAP@0.5:0.955) 和识别 (精度:0.964) 方面,FHUSP-NET实现了高性能.
- 该模型快速处理图像,每张图像只需要13.6毫秒.
- 在检测解剖结构和识别FHUSP方面表现出优越性.
结论:
- 在超声波中,FHUSP-NET显著提高了FHUSP的质量控制.
- 人工智能工具有助于医生,特别是那些经验较少的医生,识别胎儿心脏结构.
- 这项技术有助于更客观地预测胎儿心脏生长.
