Diffusion-based Iterative Counterfactual Explanations for Fetal Ultrasound Image Quality Assessment

要約

産科超音波画像の品質は、胎児の健康状態を正確に診断し監視するために非常に重要です。
ただし、高品質の標準平面を作成することは、超音波検査者の専門知識や、母体の BMI や胎児の動態などの要因の影響を受けるため、困難です。
この研究では、拡散ベースの反事実説明可能な AI を使用して、低品質の非標準平面から現実的な高品質の標準平面を生成することを提案します。
定量的および定性的評価を通じて、品質が向上したもっともらしい反事実を生成する方法の有効性を実証します。
これは、視覚的なフィードバックを提供することによって臨床医のトレーニングを強化することと、画質を向上させ、その結果として下流の診断とモニタリングの両方に将来有望であることを示しています。

要約(オリジナル)

Obstetric ultrasound image quality is crucial for accurate diagnosis and monitoring of fetal health. However, producing high-quality standard planes is difficult, influenced by the sonographer’s expertise and factors like the maternal BMI or the fetus dynamics. In this work, we propose using diffusion-based counterfactual explainable AI to generate realistic high-quality standard planes from low-quality non-standard ones. Through quantitative and qualitative evaluation, we demonstrate the effectiveness of our method in producing plausible counterfactuals of increased quality. This shows future promise both for enhancing training of clinicians by providing visual feedback, as well as for improving image quality and, consequently, downstream diagnosis and monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google