Evaluate Fine-tuning Strategies for Fetal Head Ultrasound Image Segmentation with U-Net

要約

児頭のセグメンテーションは、妊娠中の胎児の頭囲 (HC) を測定するための重要なステップであり、産科における胎児の成長を監視するための重要な生体認証です。
ただし、手動によるバイオメトリの生成には時間がかかり、精度が不安定になります。
この問題に対処するために、畳み込みニューラル ネットワーク (CNN) モデルが利用され、医療生体測定の効率が向上しました。
しかし、CNN ネットワークをゼロからトレーニングするのは困難な作業であるため、私たちは転移学習 (TL) 手法を提案しました。
私たちのアプローチには、限られた労力で一連の児頭超音波 (US) 画像のセグメンテーションを実行するエンコーダーとして軽量の MobileNet を使用して U-Net ネットワークを微調整 (FT) することが含まれます。
この方法は、CNN ネットワークを最初からトレーニングすることに伴う課題に対処します。
これは、私たちが提案した FT 戦略が、パラメータ数を 85.8% 減らしてトレーニングした場合と同等のセグメンテーション パフォーマンスをもたらすことを示唆しています。
そして、私たちが提案した FT 戦略は、440 万未満のより小さいトレーニング可能なパラメーター サイズを使用する他の戦略よりも優れたパフォーマンスを発揮します。
したがって、医用画像解析におけるモデルのサイズを削減するための信頼できる FT アプローチとして機能できると我々は主張します。
私たちの主な発見は、TL 手法による人工知能 (AI) アプリケーションの開発におけるモデルのパフォーマンスとサイズのバランスの重要性を強調しています。
コードは https://github.com/13204942/FT_Methods_for_Fetal_Head_Segmentation で入手できます。

要約(オリジナル)

Fetal head segmentation is a crucial step in measuring the fetal head circumference (HC) during gestation, an important biometric in obstetrics for monitoring fetal growth. However, manual biometry generation is time-consuming and results in inconsistent accuracy. To address this issue, convolutional neural network (CNN) models have been utilized to improve the efficiency of medical biometry. But training a CNN network from scratch is a challenging task, we proposed a Transfer Learning (TL) method. Our approach involves fine-tuning (FT) a U-Net network with a lightweight MobileNet as the encoder to perform segmentation on a set of fetal head ultrasound (US) images with limited effort. This method addresses the challenges associated with training a CNN network from scratch. It suggests that our proposed FT strategy yields segmentation performance that is comparable when trained with a reduced number of parameters by 85.8%. And our proposed FT strategy outperforms other strategies with smaller trainable parameter sizes below 4.4 million. Thus, we contend that it can serve as a dependable FT approach for reducing the size of models in medical image analysis. Our key findings highlight the importance of the balance between model performance and size in developing Artificial Intelligence (AI) applications by TL methods. Code is available at https://github.com/13204942/FT_Methods_for_Fetal_Head_Segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google