使用追踪2D超声波和自动图像细分测量胎盘体积的新方法
Karianne Sagberg1,2, Torgrim Lie3, Helene F Peterson1,2
1Department of Obstetrics and Gynecology, Akershus University Hospital, Lørenskog, Norway.
概括
一种新的跟踪2D超声波方法与自动图像分割准确地测量胎盘体积. 这种技术在识别高风险怀孕和改善产前护理方面表现有前途.
科学领域:
- 医疗成像医学成像
- 产科和妇科 产科和妇科
- 人工智能在医学中的应用
背景情况:
- 胎盘体积是识别高风险怀孕的一个关键指标.
- 准确的胎盘体积测量对于有效的产前护理至关重要.
- 现有的胎盘体积评估方法存在局限性.
研究的目的:
- 开发和验证一种用于测量胎盘体积的新方法.
- 为此目的利用跟踪的2D超声波和自动图像分割.
- 与既有技术相比,评估新方法的可行性和准确性.
主要方法:
- 一个卷积神经网络 (CNN) 被训练为胎盘图像的自动细分.
- 追踪的2D超声波数据与CNN细分结合用于体积计算.
- 在43个怀孕中,胎盘体积与MRI (黄金标准),3D超声波和手动2D细分进行了比较.
主要成果:
- 美国有线电视新闻网在自动图像细分方面取得了强的表现 (F1分数为0.84).
- 追踪2D超声波与自动细分显示高一致性与MRI (ICC 0.58).
- 2D超声波图像的手动细分产生了类似的结果 (ICC 0.59),表现优于3D超声波 (ICC 0.35).
结论:
- 带有自动图像分割的跟踪2D超声波为胎盘体积测量提供了一个有前途的方法.
- 这种方法显示了提高高风险怀孕的识别潜力.
- 这种技术的进一步改进可以提高其在产前诊断中的临床实用性.
