Automated Fetal Biometry Assessment with Deep Ensembles using Sparse-Sampling of 2D Intrapartum Ultrasound Images

要約

国際超音波協会は、産科と婦人科（ISUOG）における分娩中の超音波（US）イメージングを提唱し、胎児の頭部の位置の変化を通じて労働の進行を監視しています。
機器の膣分娩の結果を予測するために使用される2つの信頼できる超音波由来パラメーターは、進行角（AOP）と頭視線距離（HSD）です。
この作業では、分娩時超音波Grand Challenge（IUGC）2024の一部として、自動化された胎児生体測定測定パイプラインを提案して、観察者内および観察者間の変動性を低下させ、測定の信頼性を改善します。
パイプラインは、3つの重要なタスクで構成されています：（i）米国のビデオからの標準平面（SP）の分類、（ii）検出されたSPSからの恥骨ヘッドのセグメンテーション、および（iii）セグメント化された領域からのAOPおよびHSDの計算。
クラスの不均衡を軽減し、タスク（i）のスプリアスな相関を軽減するためにまばらなサンプリングを実行し、タスク（i）および（ii）のアンサンブルベースの深い学習方法を利用して、さまざまな米国の取得設定で一般化可能性を高めます。
最後に、タスクIIIの堅牢性を促進するために）測定の構造的忠実度に関して、最大の接続されたコンポーネントを保持し、セグメンテーションに楕円フィッティングを適用します。
私たちのソリューションはACCを達成しました：0.9452、F1：0.9225、AUC：0.983、MCC：0.8361、DSC：0.918、HD：19.73、ASD：5.71、$ \ delta_ {aop} $：8.90および$ \ delta_ {hsd} $ 4.35 set：14.35 set set：14.35 set set：14.35 set set：14.35 set。
提案された自動化されたパイプラインの結果は、労働逮捕の原因の理解を改善し、効率的かつ効果的な出生前ケアのための臨床リスク層別化ツールの開発を導くことができます。

要約(オリジナル)

The International Society of Ultrasound advocates Intrapartum Ultrasound (US) Imaging in Obstetrics and Gynecology (ISUOG) to monitor labour progression through changes in fetal head position. Two reliable ultrasound-derived parameters that are used to predict outcomes of instrumental vaginal delivery are the angle of progression (AoP) and head-symphysis distance (HSD). In this work, as part of the Intrapartum Ultrasounds Grand Challenge (IUGC) 2024, we propose an automated fetal biometry measurement pipeline to reduce intra- and inter-observer variability and improve measurement reliability. Our pipeline consists of three key tasks: (i) classification of standard planes (SP) from US videos, (ii) segmentation of fetal head and pubic symphysis from the detected SPs, and (iii) computation of the AoP and HSD from the segmented regions. We perform sparse sampling to mitigate class imbalances and reduce spurious correlations in task (i), and utilize ensemble-based deep learning methods for task (i) and (ii) to enhance generalizability under different US acquisition settings. Finally, to promote robustness in task iii) with respect to the structural fidelity of measurements, we retain the largest connected components and apply ellipse fitting to the segmentations. Our solution achieved ACC: 0.9452, F1: 0.9225, AUC: 0.983, MCC: 0.8361, DSC: 0.918, HD: 19.73, ASD: 5.71, $\Delta_{AoP}$: 8.90 and $\Delta_{HSD}$: 14.35 across an unseen hold-out set of 4 patients and 224 US frames. The results from the proposed automated pipeline can improve the understanding of labour arrest causes and guide the development of clinical risk stratification tools for efficient and effective prenatal care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google