論文の概要: FUSEP: A Multi-Center Benchmark for Diverse Tasks in Early Pregnancy Fetal Ultrasound Screening
- arxiv url: http://arxiv.org/abs/2608.04766v1
- Date: Wed, 05 Aug 2026 12:33:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.92104
- Title: FUSEP: A Multi-Center Benchmark for Diverse Tasks in Early Pregnancy Fetal Ultrasound Screening
- Title（参考訳）: FUSEP: 妊娠初期胎児超音波スクリーニングにおける多段階タスクベンチマーク
- Authors: Bin Pu, Jiewen Yang, Liwen Wang, Ying Tan, Guannan He, Xingbo Dong, Qika Lin, Jiarong Guo, Lixian Yang, Zuozhu Liu, Shengli Li, Kenli Li,
- Abstract要約: 胎児の早期妊娠における超音波データセットの欠如は、自動診断の開発を遅らせている。
妊娠初期における胎児超音波スクリーニングのためのFUSEPというベンチマークデータセットを提案する。
本データセットは,4,017個の超音波画像と45,820個のボックスレベルの専門家レベルのアノテーションを用いた2つの超音波画像からなる。
- 参考スコア（独自算出の注目度）: 50.7313801030297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A large number of infants with congenital anomalies are born each year globally, especially in areas with underdeveloped medical resources. Currently, fetal ultrasound screening is the most common modality for early pregnancy anatomy detection. This modality can detect anomalies earlier and provide opportune treatment advice. However, the lack of an ultrasound dataset on early fetal gestation has slowed down the development of automated assisted diagnosis. In this work, we present a benchmark dataset for Fetal Ultrasound Screening in Early Pregnancy to facilitate intelligent ultrasound examination and assisted diagnosis called FUSEP. Our dataset consists of two ultrasound views recommended by the international guideline, i.e., Crown-rump Length (CRL) and Nuchal Translucency (NT) views in three hospitals, totaling 4,017 ultrasound images, with 45,820 box-level expert-level annotations. Our dataset and baseline present the following three contributions: 1) Our medical experts annotated a total of 14 key anatomical structures in two views using a box-level format; 2) Our data is collected extensively from different sonographers, devices, scanning angles, hospitals, etc; 3) We report the performance of the semi-supervised learning, fully supervised learning, unsupervised domain adaptation (UDA), and source-free UDA in ultrasound images multi-object detection. To the best of our knowledge, this is the first publicly available dataset and benchmark for fetal early pregnancy ultrasound screening. We believe that FUSEP and benchmark can contribute to the medical community in the development of multiple tasks such as standard plane recognition, quality control on ultrasound images, automated assisted diagnostics in early fetal pregnancy, medical multi-object detection, domain adaptation for object detection, etc.
- Abstract（参考訳）: 先天異常を持つ多くの幼児は、特に未発達の医療資源を持つ地域で、毎年世界中で出生している。
現在、胎児超音波検診は妊娠初期の解剖学的診断において最も一般的な方法である。
このモダリティは、早期に異常を検出し、対外治療アドバイスを提供する。
しかし、胎児の早期妊娠における超音波データセットの欠如は、自動診断の開発を遅らせている。
本研究では,早期妊娠における胎児超音波スクリーニングのベンチマークデータセットを提示し,インテリジェント超音波検査とFUSEPと呼ばれる診断支援を行う。
本データセットは,3病院におけるクラウンラムレングス(CRL)とヌカルトランスラクシー(NT)の2つの超音波画像と,4,017個の超音波画像,45,820個のボックスレベルの専門家レベルのアノテーションからなる。
私たちのデータセットとベースラインには、以下の3つのコントリビューションがあります。
1) 医療専門家はボックスレベルフォーマットを用いて, 合計14の解剖学的構造を2つの視点で注釈した。
2 我々のデータは、異なるソノグラフィー、装置、走査角、病院等から広範囲に収集されている。
3) 超音波画像における, 半教師付き学習, 完全教師付き学習, 教師なしドメイン適応(UDA) および非教師なし UDA の性能について報告する。
我々の知る限り、これは妊娠初期超音波検診のための最初の公開データセットとベンチマークである。
FUSEPとベンチマークは、標準平面認識、超音波画像の品質管理、妊娠初期における自動診断、マルチオブジェクト検出、オブジェクト検出のためのドメイン適応など、複数のタスクの開発において、医療コミュニティに貢献できると考えている。
関連論文リスト
- Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation [76.6507710204181]
超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-を提案する。
Echo-は臓器固有の検出出力を調整し、それらをグローバルな視覚的コンテキストに統合し、その結果の証拠を根拠となる診断決定に変換するように訓練されている。
以上の結果から, エージェントによるマルチモーダル推論は, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。
論文 参考訳（メタデータ） (2026-04-30T15:31:00Z) - Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。
IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。
この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
論文 参考訳（メタデータ） (2026-02-13T13:28:22Z) - Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
医療用AIシステムFetalMindについて報告する。
本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。
FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
論文 参考訳（メタデータ） (2025-10-14T19:57:03Z) - Medical-Knowledge Driven Multiple Instance Learning for Classifying Severe Abdominal Anomalies on Prenatal Ultrasound [28.27148137256845]
出生前超音波における胎児腹部異常の分類のためのケースレベル多重学習法(MIL)を開発した。
まず、様々な航空機の異なる注意ヘッドを重み付けするために、MOAE(mixed-of-attention-experts Module)を採用する。
第2に,画像特徴と医用知識を整合させる医用知識駆動型特徴選択モジュール(MFS)を提案する。
論文 参考訳（メタデータ） (2025-07-02T06:31:26Z) - Multi-Center Study on Deep Learning-Assisted Detection and Classification of Fetal Central Nervous System Anomalies Using Ultrasound Imaging [11.261565838608488]
出生前超音波は胎児の成長を評価し、妊娠中に先天性異常を検出する。
深層学習モデルを構築し,胎児頭蓋異常の診断の総合的精度を向上させる。
論文 参考訳（メタデータ） (2025-01-01T07:56:26Z) - FPUS23: An Ultrasound Fetus Phantom Dataset with Deep Neural Network
Evaluations for Fetus Orientations, Fetal Planes, and Anatomical Features [10.404128105946583]
胎児の生体計測値を推定するための適切な診断平面を同定するために,新しい胎児ファントム超音波データセットFPUS23を提案する。
データセット全体は15,728の画像で構成され、4つの異なるディープニューラルネットワークモデルをトレーニングするために使用される。
また、FPUS23データセットを用いてトレーニングしたモデルを評価し、これらのモデルによって得られた情報を実世界の超音波胎児データセットの精度を大幅に向上させることができることを示した。
論文 参考訳（メタデータ） (2023-03-14T12:46:48Z) - FetalNet: Multi-task deep learning framework for fetal ultrasound
biometric measurements [11.364211664829567]
本稿では,FetalNetと呼ばれるマルチタスク・ニューラルネットワークについて,胎児超音波スキャン画像解析のためのアテンション機構とスタックモジュールを提案する。
胎児超音波画像解析の主な目的は、胎児の頭部、腹部、大腿骨を測定するための適切な基準面を見つけることである。
FetalNetという手法は,胎児超音波ビデオ記録における分類とセグメント化の両面で,既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2021-07-14T19:13:33Z) - 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。