扫描仪不可知超声波 图像解释 扫描仪不可知超声波

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 超声波扫描仪在图像上印制独特的纹理,作为解剖学标记.
• 深度学习 (DL) 模型学习这些扫描仪特定的纹理,限制了它们在不同类型的扫描仪上的可移植性.
• 这种纹理偏差导致在像图像分割等任务中表现不佳,当模型应用于来自不同扫描仪的数据时.

研究的目的:

• 提高深度学习 (DL) 模型在不同类型的扫描仪中进行超声波图像分析的可移植性.
• 将现有的DL模型适应新的数据分布,而无需重新培训.
• 为了减少医疗成像中的风格转移算法管道的复杂性.

主要方法:

• 利用神经风格转移来改变看不见的超声数据的纹理.
• 从预先训练的DL模型中使用特征图 (用于图像解释任务,如细分) 来指导风格转移过程.
• 通过调整输入数据的纹理以匹配模型的训练分布,避免重新训练DL模型.

主要成果:

• 证明了超声波图像的成功纹理转换,以匹配目标扫描仪的分布.
• 在将风格转移应用到来自不同类型扫描仪的图像后,对细分结果的显著改善.
• 验证了使用解释模型自己的特征图用于风格转移的有效性,简化了管道.

结论:

• 纹理风格转移是提高DL模型在超声波成像中的便携性的一种有效方法.
• 利用解释模型的风格转移特征提供了一个计算高效和有效的方法.
• 这种技术使得预先训练的DL模型可以在各种超声数据集上使用,而无需昂贵的再培训,从而提高了临床适用性.