一种基于卷积神经网络的胎儿头围自动测量方法

TP391; 在产前超声筛查过程中,为了能够帮助医生在丘脑标准平面上快速、精确地测量胎儿头围,提出一种新颖的双分支卷积神经网络直接分割胎儿颅骨边界,2个分支通过共享层相互促进,有效地提高了颅骨边界的分割精度,特别对局部不清晰或者不连续的边界仍然有着较好的分割效果,具有较高的鲁棒性.本方法的测量过程不需要过多的后处理操作,并且模型属于轻量级网络,便于部署.该方法应用在Grand-Challenge中的HC18数据集及从医院采集的300例数据上,均取得了较好的结果,对比其他主流分割网络如U-Net,Res-U-Net,U-Net++,CE-Net等,所提方法具有更高的分割精度及更小的测量误差....

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 44; no. 11; pp. 1571 - 1577
Main Authors 杨超然, 廖珊珊, 陈达, 康雁
Format Journal Article
LanguageChinese
Published 深圳技术大学 健康与环境工程学院,广东 深圳 518118 05.12.2023
东北大学 医学与生物信息工程学院,辽宁 沈阳 110169%中国医科大学附属盛京医院,辽宁 沈阳 110801%东北大学 医学与生物信息工程学院,辽宁 沈阳 110169
Subjects
head circumference measurement
卷积神经网络
头围测量
boundary segmentation
产前超声
边界分割
prenatal ultrasound
轻量级
convolution neural network
lightweight
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2023.11.008

Cover

More Information
Summary:TP391; 在产前超声筛查过程中,为了能够帮助医生在丘脑标准平面上快速、精确地测量胎儿头围,提出一种新颖的双分支卷积神经网络直接分割胎儿颅骨边界,2个分支通过共享层相互促进,有效地提高了颅骨边界的分割精度,特别对局部不清晰或者不连续的边界仍然有着较好的分割效果,具有较高的鲁棒性.本方法的测量过程不需要过多的后处理操作,并且模型属于轻量级网络,便于部署.该方法应用在Grand-Challenge中的HC18数据集及从医院采集的300例数据上,均取得了较好的结果,对比其他主流分割网络如U-Net,Res-U-Net,U-Net++,CE-Net等,所提方法具有更高的分割精度及更小的测量误差.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2023.11.008