Deep Learning-based Segmentation of Pleural Effusion From Ultrasound Using Coordinate Convolutions

要約

多くの低・中所得国（LMIC）では、胸水の評価に超音波検査が用いられている。一般的に、胸水の範囲は超音波検査士によって手動で測定されるため、観察者内/観察者間のばらつきが大きくなる。本研究では、超音波画像からの胸水セグメンテーションのプロセスを自動化するためのディープラーニング（DL）の利用を検討する。LMIC環境で取得した2つのデータセットにおいて、nnU-net DLモデルを用いて、ダイス類似度係数（DSC）の中央値0.82および0.74をそれぞれ達成した。また、DLモデルにおける座標変換の使用についても調査し、その結果、最初のデータセットではDSCの中央値が0.85と統計的に有意に改善され、2番目のデータセットでは有意な変化がないことを発見しました。この研究は、経験豊富な放射線技師が不足しがちなLMIC環境において、超音波診断による胸水評価の自動化におけるDLの可能性を初めて示すものである。

要約(オリジナル)

In many low-to-middle income (LMIC) countries, ultrasound is used for assessment of pleural effusion. Typically, the extent of the effusion is manually measured by a sonographer, leading to significant intra-/inter-observer variability. In this work, we investigate the use of deep learning (DL) to automate the process of pleural effusion segmentation from ultrasound images. On two datasets acquired in a LMIC setting, we achieve median Dice Similarity Coefficients (DSCs) of 0.82 and 0.74 respectively using the nnU-net DL model. We also investigate the use of coordinate convolutions in the DL model and find that this results in a statistically significant improvement in the median DSC on the first dataset to 0.85, with no significant change on the second dataset. This work showcases, for the first time, the potential of DL in automating the process of effusion assessment from ultrasound in LMIC settings where there is often a lack of experienced radiologists to perform such tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL