基于深度学习的检测和胎儿唇在超声图像中的分类
Yapeng Li1, Peiya Cai2, Yubing Huang3
1School of Medicine, Huaqiao University, Quanzhou, China.
Journal of perinatal medicine
|July 19, 2024
概括
一个新的深度学习模型,Yolov5-ECA,在超声波图像中准确地检测和分类胎儿裂唇. 这项技术有助于产前诊断,提供对胎儿唇部发育的客观预测.
科学领域:
- 医学成像医学成像
- 医疗保健中的人工智能
- 产前诊断 在产前诊断
背景情况:
- 胎儿裂唇是一种常见的先天性缺陷.
- 胎儿嘴唇的产前超声波检查具有挑战性.
- 需要对胎儿唇部发育进行客观预测.
研究的目的:
- 开发一个深度学习模型用于胎儿唇部评估.
- 提高胎儿唇部检测和分类的准确性和速度.
- 提供对胎儿唇部发育的客观预测.
主要方法:
- 包括632名怀孕中期的孕妇.
- 收集正常和异常的胎儿唇部超声图像.
- 提出并验证了Yolov5-ECA深度学习模型.
主要成果:
- 在检测和分类方面,Yolov5-ECA的表现优于其他10种模型.
- 检测的平均精度 (mAP):0.920 (在0.5) 和0.630 (在0.5:0.95).
- 分类准确度达到了0.925.5.
结论:
- 深度学习模型的准确性与手动评估相当.
- 自动识别有助于缺乏经验的医生在胎儿唇部检查和诊断.
- 约洛夫5-ECA模型为产前诊断提供了一个强大的工具.
