BabyNet: Residual Transformer Module for Birth Weight Prediction on Fetal Ultrasound Video

要約

出生時の胎児体重を予測することは周産期医療の重要な側面であり、特に計画的な時期や分娩様式を含む妊婦管理という観点から重要である。出生前超音波検査による正確な体重予測は、羊水不足による画質の低下で撮影が困難な妊娠進行中の胎児の特定部位の画像を必要とするため、困難です。その結果、標準的な手法に依存した予測はしばしば大きな誤差に悩まされる。本論文では、2D+t時空間超音波ビデオスキャンを分析するために、3D ResNetベースのネットワークを拡張するResidual Transformer Moduleを提案する。我々のエンドツーエンドの手法はBabyNetと呼ばれ、胎児の超音波ビデオスキャンに基づいて胎児の出生体重を自動的に予測する。我々は、分娩の1日前に行われた75人の患者の妊娠の225の2D胎児超音波ビデオからなる専用の臨床セットを使用して、BabyNetを評価する。実験結果は、BabyNetがいくつかの最新手法を上回り、人間の専門家と同等の精度で出生時の体重を推定することを示している。さらに、人間の専門家が提供した推定値とBabyNetが計算した推定値を組み合わせることで、他のいずれの手法よりも大きな差をつけて最良の結果を得ることができました。BabyNetのソースコードは https://github.com/SanoScience/BabyNet で公開されています。

要約(オリジナル)

Predicting fetal weight at birth is an important aspect of perinatal care, particularly in the context of antenatal management, which includes the planned timing and the mode of delivery. Accurate prediction of weight using prenatal ultrasound is challenging as it requires images of specific fetal body parts during advanced pregnancy which is difficult to capture due to poor quality of images caused by the lack of amniotic fluid. As a consequence, predictions which rely on standard methods often suffer from significant errors. In this paper we propose the Residual Transformer Module which extends a 3D ResNet-based network for analysis of 2D+t spatio-temporal ultrasound video scans. Our end-to-end method, called BabyNet, automatically predicts fetal birth weight based on fetal ultrasound video scans. We evaluate BabyNet using a dedicated clinical set comprising 225 2D fetal ultrasound videos of pregnancies from 75 patients performed one day prior to delivery. Experimental results show that BabyNet outperforms several state-of-the-art methods and estimates the weight at birth with accuracy comparable to human experts. Furthermore, combining estimates provided by human experts with those computed by BabyNet yields the best results, outperforming either of other methods by a significant margin. The source code of BabyNet is available at https://github.com/SanoScience/BabyNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL