論文の概要: Automated Fetal Biometry Assessment with Deep Ensembles using Sparse-Sampling of 2D Intrapartum Ultrasound Images
- arxiv url: http://arxiv.org/abs/2505.14572v1
- Date: Tue, 20 May 2025 16:31:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:53.573816
- Title: Automated Fetal Biometry Assessment with Deep Ensembles using Sparse-Sampling of 2D Intrapartum Ultrasound Images
- Title（参考訳）: 2次元超音波画像のスパースサンプリングによる深部アンサンブルを用いた胎児の生体自動計測
- Authors: Jayroop Ramesh, Valentin Bacher, Mark C. Eid, Hoda Kalabizadeh, Christian Rupprecht, Ana IL Namburete, Pak-Hei Yeung, Madeleine K. Wyburd, Nicola K. Dinsdale,
- Abstract要約: 本研究では,生体内および生体内変動を低減するための自動胎児バイオメトリ測定パイプラインを提案する。
我々はスパースサンプリングを行い、クラス不均衡を緩和し、タスクの急激な相関を減らした。
09452, F1: 0.9225, AUC: 0.983, MCC: 0.8361, DSC: 0.918, HD: 19.73, ASD: 5.71, $Delta_AoP$: 8.90, $Delta_HSD$: 14.35。
- 参考スコア（独自算出の注目度）: 12.535556165305618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The International Society of Ultrasound advocates Intrapartum Ultrasound (US) Imaging in Obstetrics and Gynecology (ISUOG) to monitor labour progression through changes in fetal head position. Two reliable ultrasound-derived parameters that are used to predict outcomes of instrumental vaginal delivery are the angle of progression (AoP) and head-symphysis distance (HSD). In this work, as part of the Intrapartum Ultrasounds Grand Challenge (IUGC) 2024, we propose an automated fetal biometry measurement pipeline to reduce intra- and inter-observer variability and improve measurement reliability. Our pipeline consists of three key tasks: (i) classification of standard planes (SP) from US videos, (ii) segmentation of fetal head and pubic symphysis from the detected SPs, and (iii) computation of the AoP and HSD from the segmented regions. We perform sparse sampling to mitigate class imbalances and reduce spurious correlations in task (i), and utilize ensemble-based deep learning methods for task (i) and (ii) to enhance generalizability under different US acquisition settings. Finally, to promote robustness in task iii) with respect to the structural fidelity of measurements, we retain the largest connected components and apply ellipse fitting to the segmentations. Our solution achieved ACC: 0.9452, F1: 0.9225, AUC: 0.983, MCC: 0.8361, DSC: 0.918, HD: 19.73, ASD: 5.71, $\Delta_{AoP}$: 8.90 and $\Delta_{HSD}$: 14.35 across an unseen hold-out set of 4 patients and 224 US frames. The results from the proposed automated pipeline can improve the understanding of labour arrest causes and guide the development of clinical risk stratification tools for efficient and effective prenatal care.
- Abstract（参考訳）: 国際超音波協会(International Society of Ultrasound)は、胎児の頭位の変化を通じて運動の進行を監視するために、産婦人科における超音波(US)イメージング(ISUOG)を提唱している。
計器的迷走神経伝達の結果を予測するために用いられる2つの信頼できる超音波パラメータは、進行角(AoP)と頭部-生理的距離(HSD)である。
本研究では,2024年のIUGC(Intrapartum Ultrasounds Grand Challenge)の一環として,生体内および生体内変動の低減と測定信頼性の向上を目的とした自動胎児計測パイプラインを提案する。
私たちのパイプラインは3つの重要なタスクで構成されています。
(i)USビデオから標準平面(SP)を分類する。
(二)検出されたSPからの胎児頭部と産卵性神経症状の分節化、及び
3) 分割領域からのAoPとHSDの計算。
我々はスパースサンプリングを行い、クラス不均衡を緩和し、タスクの急激な相関を減らした
(i)アンサンブルに基づく深層学習手法を課題に活用する
(i)および
(II)アメリカの異なる買収条件下での一般化性を高めること。
最後に,タスクの堅牢性を促進する
三 測定の構造的忠実性について、最大連結成分を保持し、セグメンテーションに楕円を適合させる。
09452, F1: 0.9225, AUC: 0.983, MCC: 0.8361, DSC: 0.918, HD: 19.73, ASD: 5.71, $\Delta_{AoP}$: 8.90, $\Delta_{HSD}$: 14.35。
提案した自動パイプラインの結果は、労働力停止の原因の理解を改善し、効果的かつ効果的な出生前ケアのための臨床リスク階層化ツールの開発を導くことができる。
関連論文リスト
- The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。
画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
論文 参考訳（メタデータ） (2025-04-10T16:26:47Z) - Sequential Spatial-Temporal Network for Interpretable Automatic Ultrasonic Assessment of Fetal Head during labor [4.460238079774995]
ISUOGが確立した部内超音波ガイドは、胎児の頭部下降を評価するための重要な指標として、進行角(AoP)と頭部生理距離(HSD)を強調している。
SSTN(Sequential Spatial-Temporal Network)は,パートム内超音波解析の映像に特化して設計された最初の解釈可能なモデルである。
SSTNはまず超音波平面を識別し、その後、パビック症状や胎児の頭部などの解剖学的構造を分類し、最後にHSDとAoPの正確な測定のための重要なランドマークを検出する。
論文 参考訳（メタデータ） (2025-03-20T05:33:59Z) - PSFHS Challenge Report: Pubic Symphysis and Fetal Head Segmentation from Intrapartum Ultrasound Images [20.956972919840293]
第26回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2023)に先立ち、公衆衛生・胎児頭に関するグランドチャレンジ(PSFHS)が開催された。
この課題は、国際規模での自動セグメンテーションアルゴリズムの開発を強化することを目的としており、5,101個のパルタ内超音波画像でこれまでで最大のデータセットを提供する。
このアルゴリズムは、パルタ内超音波画像から自動PSFHSの最先端性を向上した。
論文 参考訳（メタデータ） (2024-09-17T08:24:34Z) - Hybrid Deep Learning-Based for Enhanced Occlusion Segmentation in PICU Patient Monitoring [0.0]
本稿では,PICU内の遠隔監視アプリケーションで発生する共通閉塞を分割するハイブリッド手法を提案する。
私たちのアプローチは、限られたトレーニングデータシナリオのためのディープラーニングパイプラインの作成に重点を置いています。
提案したフレームワークは、92.5%の精度、93.8%のリコール、90.3%の精度、92.0%のF1スコアで全体的な分類性能が得られる。
論文 参考訳（メタデータ） (2024-07-18T09:37:55Z) - Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound
Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。
本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。
本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文 参考訳（メタデータ） (2022-12-15T14:34:12Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - Agent with Warm Start and Adaptive Dynamic Termination for Plane
Localization in 3D Ultrasound [14.256624552635786]
本研究は, エージェント探索の早期停止を可能にするために, 適応動的終端を新たに設計し, 従来のRLフレームワークを強化した。
2.52mm/10.26度,2.48mm/10.39度,2.02mm/10.48度,2.00mm/14.57度,2.61mm/9.71度,3.9mm/9.58度,1.49mm/7.54度,胎児脳内,腹腔内,子宮中,横,冠状面の局在誤差を実現する。
論文 参考訳（メタデータ） (2021-03-26T14:57:26Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。