在超声波视频中半监督甲状腺结节检测

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 超声波技术 超声波技术 超声波技术

背景情况:

• 目前用于甲状腺结节检测的深度学习方法主要使用静态超声图像,忽略了临床检查中的关键空间和时间信息.
• 用于甲状腺结节检测的超声波视频的手动注释是劳动密集型和耗时的.

研究的目的:

• 开发一种新的基于视频的半监督框架,用于在超声视频中准确检测甲状腺结节.
• 利用视频序列的时空信息,减少对完全注释的数据集的依赖.

主要方法:

• 一个基于视频的半监督框架,包含一个使用参考框架的相邻框架引导检测骨干网络.
• 实施基于连续中检测一致性的伪标签适应策略,以改进未标记数据的预测.
• 在一个包含996个横向和1088个纵向超声波视频的大量数据集上进行验证.

主要成果:

• 与现有方法相比,拟议的框架在超声波视频基础上的甲状腺结节检测方面表现优异.
• 邻近的框架指导和半监督的方法有效地利用了时空信息,并减少了注释负担.
• 伪标签适应策略通过完善未标签视频段的预测来提高检测准确性.

结论:

• 开发的基于视频的半监督框架为超声视频中的甲状腺结节的计算机辅助诊断提供了更有效的方法.
• 这种方法解决了静态图像分析的局限性,减少了大量手动注释的需要,为更高效的临床应用铺平了道路.