DeepSPV:从2D超声波图像进行3D脏体积估计的深度学习管道
Zhen Yuan1, David Stojanovski1, Lei Li2
1School of Biomedical Engineering and Imaging Science, King's College London, London, UK.
Medical image analysis
|June 24, 2025
概括
DeepSPV通过2D超声波估计了脏体积,超过了人类专家. 这种深度学习工具有助于在资源有限的环境中诊断大,特别是状细胞疾病 (SCD).
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 大,或大,是像状细胞疾病 (SCD) 这样的疾病的关键指标.
- 目前的脏大小评估依赖于2D超声波长度,作为替代措施,而3D脏体积是黄金标准.
- 精确的脏体积的3D成像是有限的,特别是在高SCD流行率的地区.
研究的目的:
- 介绍DeepSPV,这是一个深度学习管道,用于从2D超声图像中精确的3D脏体积估计.
- 开发一种临床上适用的工具,用于准确评估大,克服当前方法的局限性.
主要方法:
- 一个深度学习管道 (DeepSPV) 集成分段网络和变异自动编码器.
- 使用单次或双次2D超声波视图估计脏体积.
- 通过扩散模型生成的合成数据集进行评估.
主要成果:
- 最好的模型实现了86.62% (单视图) 和92.5% (双视图) 的平均相对体积精度 (MRVA),超过了人类专家.
- 该管道为临床决策提供了置信区间和可解释性.
- 从合成数据集上的单个2D超声波图像中获得了83.0%的总体MRVA.
结论:
- DeepSPV是第一个使用2D超声波估计3D体积的深度学习方法.
- 该管道提供准确,可解释的脏体积估计,适合临床整合.
- 公开发布合成数据集支持进一步研究脏成像AI.
