超音波検査胎児脳構造の自動セグメンテーションのためのデバイスに依存しない深層学習アプローチに向けて:マルチセンターおよびマルチデバイス検証【JST・京大機械翻訳】

Lad Abhi; Narayan Adithya; Shankar Hari; Jain Shefali; Vyas Pooja Punjani; Singh Divya; Hegde Nivedita; Atada Jagruthi; Thang Jens; Nee Saw Shier; Govindarajan Arunkumar; PS Roopa; Pai Muralidhar V; Vasudeva Akhila; Radhakrishnan Prathima; Devalla Sripad Krishna

プレプリント

J-GLOBAL ID：202202219587808400 整理番号：22P0296165

超音波検査胎児脳構造の自動セグメンテーションのためのデバイスに依存しない深層学習アプローチに向けて:マルチセンターおよびマルチデバイス検証【JST・京大機械翻訳】

Towards A Device-Independent Deep Learning Approach for the Automated Segmentation of Sonographic Fetal Brain Structures: A Multi-Center and Multi-Device Validation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (16件)： , , , , , , , , , , , , , , ,
資料名：
発行年： 2022年02月28日プレプリントサーバーでの情報更新日： 2022年02月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

出生前超音波検査の品質評価は,胎児中枢神経系(CNS)異常のスクリーニングに必須である。胎児脳構造の解釈は,非常に主観的で,専門知識駆動であり,訓練経験の年を必要とし,すべての妊娠母親に対する品質出生前ケアを制限する。人工知能(AI),特に深層学習(DL)における最近の進歩により,成長および神経発達の信頼できる評価に必須の意味的セグメンテーションによる正確な解剖同定における支援,および構造的異常の検出が提案されてきた。しかしながら,既存の研究は,CNS異常のスクリーニングに必要な実践ガイドラインとして,完全な解剖学的評価の範囲を制限する,軸視野(経心室,経小脳)のどちらかから,ある種の構造(例えば,cavum pellucidum,側脳室,小脳)を同定するのみである。さらに,既存の研究は,複数の超音波装置と中心からの画像にわたるこれらのDLアルゴリズムの一般化可能性を分析しず,従って,それらの実世界の臨床影響を制限する。本研究では,胎児脳USG画像(2D)からの2つの軸面からの10の重要な胎児脳構造の自動セグメンテーションのためのDLベースのセグメンテーションフレームワークを提案した。特徴抽出器として開始v4ブロックを用いるカスタムU-Net変異体を開発し,カスタムドメイン特異的データ増強を利用した。定量的に,平均(10構造;試験セット1/2/3/4)Dice係数は,0.827,0.802,0.731,0.783であった。USGデバイス/センターに関係なく,DLセグメンテーションは手動セグメンテーションと定性的に同等であった。提案したDLシステムは,有望で一般化可能な性能(マルチセンター,マルチデバイス)を提供し,UMAP解析を用いて,画像品質(一般化可能性に対する課題)におけるデバイス誘起変動のサポートにおける証拠も示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

婦人科・産科の診断

, , , , , ,

前のページに戻る