相关实验视频
Updated: Jun 21, 2026

10:02
State of the Art Cranial Ultrasound Imaging in Neonates
Published on: February 2, 2015
24.1K
在使用深度学习的胎儿超声图像中自动测量前额面角
Zhonghua Liu1, Jin Wang2, Guorong Lyu3
1Department of Ultrasound, Quanzhou First Hospital Affiliated to Fujian Medical University, Quanzhou 350122, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
这项研究引入了一个人工智能框架,用于在产前超声波中自动测量前额面部 (FMF) 角度,从而改善21型三症查. 深度学习模型提供准确可靠的FMF角度测量,超过初级专家的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 产前诊断 在产前诊断
背景情况:
- 在产前超声波 (US) 中精确的前额面 (FMF) 角度测量对于三症21查至关重要.
- 手动FMF角度测量是主观的,耗时的,并且取决于超声波仪的专业知识.
研究的目的:
- 开发和验证基于深度学习的框架,用于在2D胎儿超声图像中自动测量FMF角度.
- 通过人工智能辅助分析,提高三症21查的准确性和效率.
主要方法:
- 在1549张胎儿超声波图像上训练了一个深度学习网络,用于自动细分关键面部区域.
- 一个关键点检测网络确定了FMF角度计算的坐标.
- 计算方法推导出FMF角度,结果使用Pearson相关性和Bland-Altman图进行评估.
主要成果:
- 深度学习框架实现了准确的细分和关键点检测,用于计算FMF角度.
- 该模型在FMF角度测量中显示了2.354°的平均绝对误差.
- 绩效指标显示高准确度和可靠性,表现优于初级专家标准.
结论:
- 拟议的深度学习框架提供了一个准确可靠的方法,用于在产前超声波中自动测量FMF角度.
- 这种人工智能辅助的方法有可能提高三发性病21查的效率和客观性.
- 这项研究强调了深度学习在医疗成像中的实用性,以提高诊断程序.
更多相关视频
07:03Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
Published on: February 23, 2017
7.6K
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K