开放访问的超声波隔膜数据集和使用深度学习网络的自动隔膜测量
Zhifei Li1, Lin Mao2, Fan Jia1
1College of Biomedical Engineering and Instrument Science, Zhejiang University, Hangzhou, China.
Respiratory research
|July 18, 2025
概括
使用深度学习的自动隔膜测量系统显示了对隔膜厚度和外出的高精度,优于手动方法. 这项创新增强了对隔膜功能障碍的临床检测.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 呼吸系统生理学 呼吸系统生理学
背景情况:
- 隔膜功能评估对于管理隔膜功能障碍至关重要.
- 目前的手动测量方法容易出现人为错误.
- 需要客观和自动化的评估工具.
研究的目的:
- 开发和评估使用细分神经网络的自动隔膜测量系统.
- 将自动系统的性能与手动临床评估进行比较.
- 为了提高隔膜参数测量的准确性和效率.
主要方法:
- 开发一种新的深度学习细分网络 (MDRU-Net),用于膜厚度和外出.
- 使用了新的超声波隔膜数据集,其中包括B模式和M模式的图像/视频.
- 实施了一个自动化测量系统和计划.
主要成果:
- 自动系统在隔膜加厚分数中达到8.12%的平均误差.
- 自动系统在隔膜外流方面实现了4.3%的平均相对误差.
- 与手动评估相比,已证明存在较小的差异,具有更强大的临床检测潜力.
结论:
- 开发了一个隔膜超声波数据集和一个自动细分算法 (基于U-Net).
- 自动测量方案显示出高精度和高效率.
- 该系统消除了主观影响,推进了自动隔膜超声波评估.
