BiometryNet: Landmark-based Fetal Biometry Estimation from Standard Ultrasound Planes

要約

超音波による胎児の成長の評価は、手動で実行され、予想される在胎週数と比較して評価されるいくつかの生体認証に基づいています。
信頼性の高い生物測定の推定は、標準的な超音波面でのランドマークの正確な検出に依存します。
手動の注釈は、時間がかかり、オペレーターに依存するタスクになる可能性があり、測定値のばらつきが大きくなる可能性があります。
自動胎児バイオメトリの既存の方法は、最初の自動胎児構造セグメンテーションとそれに続く幾何学的ランドマーク検出に依存しています。
ただし、セグメンテーションアノテーションは時間がかかり、不正確になる可能性があり、ランドマークの検出には、測定固有の幾何学的手法の開発が必要です。
このホワイトペーパーでは、これらの制限を克服する、胎児の生物測定推定のためのエンドツーエンドのランドマーク回帰フレームワークであるBiometryNetについて説明します。
これには、ネットワークトレーニング中に測定固有の方向の一貫性を適用するための新しい動的方向決定（DOD）メソッドが含まれています。
DODは、ネットワークトレーニングの変動を減らし、ランドマークのローカリゼーションの精度を高め、正確で堅牢な生体認証を実現します。
私たちの方法を検証するために、7つの異なる超音波装置を使用して3つの臨床現場で取得された1,829人の被験者からの3,398個の超音波画像のデータセットを集めました。
2つの独立したデータセットでの3つの異なる生体認証測定値の比較と相互検証は、BiometryNetが堅牢であり、エラーが臨床的に許容される誤差よりも低く、他の既存の自動生体認証推定方法よりも優れた正確な測定値を生成することを示しています。
コードはhttps://github.com/netanellavisdris/fetalbiometryで入手できます。

要約(オリジナル)

Fetal growth assessment from ultrasound is based on a few biometric measurements that are performed manually and assessed relative to the expected gestational age. Reliable biometry estimation depends on the precise detection of landmarks in standard ultrasound planes. Manual annotation can be time-consuming and operator dependent task, and may results in high measurements variability. Existing methods for automatic fetal biometry rely on initial automatic fetal structure segmentation followed by geometric landmark detection. However, segmentation annotations are time-consuming and may be inaccurate, and landmark detection requires developing measurement-specific geometric methods. This paper describes BiometryNet, an end-to-end landmark regression framework for fetal biometry estimation that overcomes these limitations. It includes a novel Dynamic Orientation Determination (DOD) method for enforcing measurement-specific orientation consistency during network training. DOD reduces variabilities in network training, increases landmark localization accuracy, thus yields accurate and robust biometric measurements. To validate our method, we assembled a dataset of 3,398 ultrasound images from 1,829 subjects acquired in three clinical sites with seven different ultrasound devices. Comparison and cross-validation of three different biometric measurements on two independent datasets shows that BiometryNet is robust and yields accurate measurements whose errors are lower than the clinically permissible errors, outperforming other existing automated biometry estimation methods. Code is available at https://github.com/netanellavisdris/fetalbiometry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google