换一批基于解剖形状记忆学习的胎儿超声器官轮廓识别
Fetal ultrasound organ contour recognition based on anatomical shape memory learning
摘要目的:旨在开发一种能够有效应对图像噪声和声影遮挡影响的自动测量算法,以提高胎儿超声影像测量胎儿发育状态的准确性和客观性,减少操作者主观判断对测量结果的影响.方法:提出基于解剖形状记忆学习的胎儿器官轮廓识别方法,通过循环卷积学习器官边缘的搜索策略,同时对轮廓线形状进行学习和记忆,以此改善胎儿超声图像中的器官测量精度,提升对图像噪声的鲁棒性.结果:本方法对45例头部、20例腹部以及20例股骨分割平均Dice系数指标分别为0.96、0.94和0.87,比现有的nnU-Net经典深度学习方法表现出更好的鲁棒性和精确性,尤其对于因为声影造成轮廓缺失的器官,也能通过形状记忆完成完整轮廓分割.结论:本方法通过对宫内胎儿超声图像进行自动且准确的分割,显著减少了超声医师工作量,提高了识别速度和精度.
更多相关知识
分类号
R322.3
栏目名称
DOI
10.3969/j.issn.1001-1633.2024.06.003
发布时间
2025-02-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省博士科研启动基金（2022—BS—355）；
大连市数字医学与重大疾病数字医疗重点实验室及辽宁省集成电路与生物医学电子系统重点实验室资助
- 浏览3
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
