FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans Using Deep Self-supervised Learning

要約

超音波は、妊娠中の臨床現場での主要な画像診断手段です。
毎年 1 億 4,000 万人以上の胎児が誕生するため、多数のスキャンが行われます。
大量の胎児超音波スキャンが利用できるため、堅牢な機械学習モデルをトレーニングする機会が得られます。
ただし、教師あり手法では各画像に手動でラベルを付ける必要があるため、大量のスキャンにも課題があります。
通常、ラベル付けには労力がかかり、画像に正確に注釈を付けるには専門知識が必要です。
この研究では、超音波画像を広範囲の胎児ビューに自動的にクラスタリングし、手動によるラベル付けの必要性を軽減または排除するための教師なしアプローチを紹介します。
当社の胎児超音波セマンティック クラスタリング (FUSC) 手法は、88,063 枚の画像からなる大規模なデータセットを使用して開発され、さらに 8,187 枚の画像からなる追加の未確認データセットで評価され、92% 以上のクラスタリング純度を達成しています。
私たちの調査の結果は、胎児超音波画像処理の分野に大きな影響を与え、より高度な自動ラベル付けソリューションへの道を開く可能性を秘めています。
最後に、この分野の進歩に役立つように、コードと実験設定を公開します。

要約(オリジナル)

Ultrasound is the primary imaging modality in clinical practice during pregnancy. More than 140M fetuses are born yearly, resulting in numerous scans. The availability of a large volume of fetal ultrasound scans presents the opportunity to train robust machine learning models. However, the abundance of scans also has its challenges, as manual labeling of each image is needed for supervised methods. Labeling is typically labor-intensive and requires expertise to annotate the images accurately. This study presents an unsupervised approach for automatically clustering ultrasound images into a large range of fetal views, reducing or eliminating the need for manual labeling. Our Fetal Ultrasound Semantic Clustering (FUSC) method is developed using a large dataset of 88,063 images and further evaluated on an additional unseen dataset of 8,187 images achieving over 92% clustering purity. The result of our investigation hold the potential to significantly impact the field of fetal ultrasound imaging and pave the way for more advanced automated labeling solutions. Finally, we make the code and the experimental setup publicly available to help advance the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google