相关实验视频
Updated: May 13, 2026
08:04
Murine Fetal Echocardiography
Published on: February 15, 2013
17.5K
FBStrNet:在怀孕早期的超声波图像中自动检测胎儿大脑结构
Yirong Lin1, Shunlan Liu2, Zhonghua Liu3
1School of Medicine, Huaqiao University, Quanzhou 362021, China.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
一个新的人工智能模型,胎儿大脑结构检测网络 (FBStrNet),在超声波图像中准确地识别胎儿大脑结构. 这项技术提高了诊断的准确性,
科学领域:
- 医学成像
- 人工智能
- 妇产科
背景情况:
- 超声波成像对于在怀孕初期检测胎儿大脑异常至关重要.
- 诊断的准确性通常受超声波专家的经验和环境因素的限制.
- 需要先进的方法来提高胎儿异常查的效率和可靠性.
研究的目的:
- 开发和评估一种基于人工智能的新方法,用于自动检测胎儿大脑的关键解剖结构.
- 通过深度学习提高胎儿大脑异常查的准确性和效率.
主要方法:
- 提出基于YOLOv5模型的胎儿大脑结构检测网络 (FBStrNet).
- 整合了一个轻量级的骨干,修改了损失功能,并解了检测头部.
- 整合先前的临床知识以减少错误检测率.
主要成果:
- 与现有最先进的方法相比,FBStrNet实现了更高的性能.
- 实时检测胎儿大脑结构的推断时间为11. 5毫秒.
- 这种方法提高了诊断精度,简化了临床工作流程.
结论:
- FBStrNet提供了一个高效可靠的工具来查胎儿大脑异常.
- 人工智能模型有助于超声波仪可视化关键的解剖特征,提高诊断准确度.
- 这种方法有可能显著改善产前护理和产后结果.
