Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates in the Fetal Brain

要約

産科超音波 (US) スキャンでは、学習者が 2 次元 (2D) US 画像から胎児の 3 次元 (3D) マップを頭の中で構築する能力は、スキル習得において大きな課題となります。
私たちは、追加のセンサーを統合せずに、3D 視覚化、トレーニング、誘導を行うための米国航空機位置特定システムを構築することを目指しています。
この研究は、畳み込みニューラル ネットワーク (CNN) 回帰ネットワークを使用して、正規化された参照フレームに対して胎児の脳をスライスする任意の向きの米国飛行機の 6 次元 (6D) 姿勢を予測する、以前の研究を基礎にして構築されています。
ここでは、正規化された胎児脳基準フレームの仮定を詳細に分析し、胎児生体計測の経室（TV）標準面（SP）の取得に関してその精度を定量化します。
私たちは、トレーニング データとテスト データにおける登録品質の影響と、その後のトレーニング済みモデルへの影響を調査します。
最後に、以前の研究の結果を改善するデータ拡張とより大きなトレーニング セットを導入し、平行移動と回転でそれぞれ 2.97 mm と 6.63 度の中央誤差を達成しました。

要約(オリジナル)

In obstetric ultrasound (US) scanning, the learner’s ability to mentally build a three-dimensional (3D) map of the fetus from a two-dimensional (2D) US image represents a significant challenge in skill acquisition. We aim to build a US plane localization system for 3D visualization, training, and guidance without integrating additional sensors. This work builds on top of our previous work, which predicts the six-dimensional (6D) pose of arbitrarily oriented US planes slicing the fetal brain with respect to a normalized reference frame using a convolutional neural network (CNN) regression network. Here, we analyze in detail the assumptions of the normalized fetal brain reference frame and quantify its accuracy with respect to the acquisition of transventricular (TV) standard plane (SP) for fetal biometry. We investigate the impact of registration quality in the training and testing data and its subsequent effect on trained models. Finally, we introduce data augmentations and larger training sets that improve the results of our previous work, achieving median errors of 2.97 mm and 6.63 degrees for translation and rotation, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google