临床指导的适应对比度调整用于胎儿平面分类:一个模块化的插即用解决方案
Yang Chen1, Sanglin Zhao2, Baoyu Chen3
1School of Mathematics and Statistics, Xiamen University of Technology, Xiamen, China.
Frontiers in physiology
|December 1, 2025
概括
这项研究引入了自适应对比度调整模块 (ACAM),以提高胎儿超声波图像质量. ACAM增强了标准平面识别,导致更准确的产前评估.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 胎儿超声波标准平面识别对于产前评估至关重要,但面临着差差对比度和可变图像质量等挑战.
- 目前的方法与模糊的解剖边界和操作员依赖的图像变化作斗争.
研究的目的:
- 引入一种新的自适应对比调整模块 (ACAM),用于增强胎儿超声图像.
- 为了提高胎儿超声波标准平面识别的准确性和稳定性.
主要方法:
- 开发了一个具有轻量级,纹理感知子网络的插入式ACAM,以学习对比参数.
- 使用可分化转换生成多个对比增强的图像表示.
- 在分类器中融合了增强的视图,以丰富歧视性特征,模仿临床对比度调整.
主要成果:
- 在12400张胎儿超声波图像的数据集上,在各种模型架构中展示了一致的准确性增长.
- 在轻量级模型中实现了2.02%的性能改进,在传统架构中为1.29%,在最先进模型中为1.15%.
- 展示了ACAM通过多视图对比融合来提高对图像质量变化的稳定性的能力.
结论:
- ACAM提供内容适应性,临床一致的对比度调制,改善胎儿超声波分析.
- 该模块有效地将低级纹理线索与高级语义理解联系起来.
- 这种方法为在现实的临床环境中进行医学图像分析提供了一个新的框架.
