Whole-examination AI estimation of fetal biometrics from 20-week ultrasound scans

要約

胎児異常スクリーニングへの現在のアプローチは、個別に選択された超音波画像から得られる生体測定に基づいています。
この論文では、オペレーターの介入を必要とせず、スキャン全体のすべてのフレームから自動的に抽出された生体認証を集約することで、生体認証測定において人間レベルのパフォーマンスを達成するパラダイム シフトを紹介します。
畳み込みニューラル ネットワークを使用して、超音波ビデオ録画の各フレームを分類します。
次に、適切な解剖学的構造が表示されるすべてのフレームで胎児の生体認証を測定します。
ベイズ法を使用して、多数の測定値から各生体認証の真の値を推定し、外れ値を確率的に排除します。
私たちは、20 週間の超音波スキャンの 1,457 件の記録 (4,800 万フレームで構成される) に対して遡及実験を実行し、それらのスキャンで胎児の生体認証を推定し、その推定値を超音波検査技師がスキャン中に取得した測定値と比較しました。
私たちの方法は、胎児の生体認証の推定において人間レベルのパフォーマンスを達成し、真の生体認証値が存在すると予想される適切に校正された信頼区間を推定します。

要約(オリジナル)

The current approach to fetal anomaly screening is based on biometric measurements derived from individually selected ultrasound images. In this paper, we introduce a paradigm shift that attains human-level performance in biometric measurement by aggregating automatically extracted biometrics from every frame across an entire scan, with no need for operator intervention. We use a convolutional neural network to classify each frame of an ultrasound video recording. We then measure fetal biometrics in every frame where appropriate anatomy is visible. We use a Bayesian method to estimate the true value of each biometric from a large number of measurements and probabilistically reject outliers. We performed a retrospective experiment on 1457 recordings (comprising 48 million frames) of 20-week ultrasound scans, estimated fetal biometrics in those scans and compared our estimates to the measurements sonographers took during the scan. Our method achieves human-level performance in estimating fetal biometrics and estimates well-calibrated credible intervals in which the true biometric value is expected to lie.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google