胎儿解剖学推理网络用于检测与全球背景的语义和局部拓关系关系
IEEE journal of biomedical and health informatics
|April 22, 2024
概括
这项研究引入了一个胎儿解剖学推理网络 (FARN),用于改进超声波图像分析. 通过建模结构之间的关系,FARN增强了胎儿的解剖结构识别,从而导致更准确的检测.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 产科和妇科 产科和妇科
背景情况:
- 准确的胎儿解剖结构识别对于产科中超声 (美国) 图像分析至关重要.
- 当前的物体检测方法往往单独分析结构,忽视了专家超声波学家至关重要的解剖学间相关性.
研究的目的:
- 开发一个新的胎儿解剖学推理网络 (FARN),模拟胎儿解剖结构之间的全球和本地关系.
- 为了提高自动化胎儿美国图像分析的准确性和稳定性.
主要方法:
- 提出了胎儿解剖学推理网络 (FARN),结合了全球上下文语义和本地拓关系块.
- 引入了自适应关系图推理 (ARGR) 模块,以在数据驱动图中将解剖结构模型为节点和关系作为边缘.
- 通过聚合来自ARGR模块的输出来改进特征表示.
主要成果:
- 在检测关键胎儿美国平面上的37个解剖结构方面,FARN取得了有前途的表现.
- 该网络有效地利用了解剖学间的关系来提高检测准确度.
- 对小规模,相似和模糊的结构表现出强度,减少了解剖学上不正确的检测.
结论:
- FARN提供了一种高效而简洁的方法,用于模拟胎儿美国图像中的解剖学间关系.
- 拟议的方法通过利用上下文和拓信息来提高对胎儿解剖结构的自动识别.
- 这项工作为推进人工智能驱动的产科查提供了宝贵的资源.
