相关实验视频
Updated: Jun 13, 2025
10:02
State of the Art Cranial Ultrasound Imaging in Neonates
Published on: February 2, 2015
24.2K
D2ANet:第一季度超声波CRL和NT细分的密集注意力意识网络
Mourad Gridach1, Robail Yasrab1, Lior Drukker2
1Institute of Biomedical Engineering, University of Oxford, Oxford, UK.
Proceedings. IEEE International Symposium on Biomedical Imaging
|September 9, 2024
概括
手动注释胎儿超声波图像是耗时的. 本研究介绍了DA2Net用于自动细分阴茎透光度 (NT) 和冠长度 (CRL),与专家注释达成高度一致.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 胎儿医学 胎儿医学
背景情况:
- 医疗图像的手动注释对于临床专家来说是一个繁的过程.
- 自动化细分方法对于高效分析大型医疗数据集至关重要.
- 第一个三个月的超声波扫描需要精确测量部透光度 (NT) 和皇冠长度 (CRL).
研究的目的:
- 开发一种可靠的自动细分方法,用于NT和CRL在第一季度胎儿超声波扫描中.
- 为了应对胎儿超声图像中显著解剖变异的挑战.
- 引入密集的注意意识网络 (DA2Net),以提高细分精度.
主要方法:
- 提出了DA2Net,一种新的深度学习架构.
- 利用注意力机制和密集连接的网络来编码特征变化.
- 评估了对NT和CRL细分的第一季度超声波图像的模型.
主要成果:
- 拟议的DA2Net显示了高像素一致性与专家手册注释.
- 实现了平均Jaccard-Sigma系数 (JSC) 的84.21%.
- 在胎儿超声波扫描中成功细分了关键的解剖结构.
结论:
- DA2Net提供了一种可靠和高效的解决方案,用于自动分割NT和CRL.
- 拟议的方法可以在临床实践中显著帮助处理大型医疗数据集.
- DA2Net的表现表明其在第一季度查中的临床应用潜力.
