[论文解读] A Review on Deep-Learning Algorithms for Fetal Ultrasound-Image Analysis

Maria Chiara Fiorentino, Francesca Pia Villani+3 more|arXiv (Cornell University)|Jan 28, 2022

Fetal and Pediatric Neurological Disorders被引用 7

一句话总结

本文对2017至2023年间发表的145项最新研究进行了全面且最新的综述，系统性地探讨了深度学习（DL）在胎儿超声图像分析中的应用。研究将方法系统性地划分为标准切面检测、解剖结构分析和生物测量估计三类，评估了性能指标与公开数据集，并指出了关键挑战，如数据稀缺、联邦学习应用不足以及深度学习研究在胎儿超声领域中伦理合规性不足等问题。

ABSTRACT

Deep-learning (DL) algorithms are becoming the standard for processing ultrasound (US) fetal images. Despite a large number of survey papers already present in this field, most of them are focusing on a broader area of medical-image analysis or not covering all fetal US DL applications. This paper surveys the most recent work in the field, with a total of 145 research papers published after 2017. Each paper is analyzed and commented on from both the methodology and application perspective. We categorized the papers in (i) fetal standard-plane detection, (ii) anatomical-structure analysis, and (iii) biometry parameter estimation. For each category, main limitations and open issues are presented. Summary tables are included to facilitate the comparison among the different approaches. Publicly-available datasets and performance metrics commonly used to assess algorithm performance are summarized, too. This paper ends with a critical summary of the current state of the art on DL algorithms for fetal US image analysis and a discussion on current challenges that have to be tackled by researchers working in the field to translate the research methodology into the actual clinical practice.

研究动机与目标

• 提供聚焦且最新的综述，专门针对胎儿超声图像分析中的深度学习应用，弥补现有广泛综述中的空白。
• 将近期深度学习方法按三大核心临床任务进行分类与分析：标准切面检测、解剖结构分析与生物测量参数估计。
• 评估该领域中公开可用的数据集与性能指标，以支持可复现性与基准测试。
• 识别持续存在的局限性与开放挑战——如数据隐私、缺乏联邦学习应用以及伦理合规性不足——这些因素阻碍了深度学习方法向临床实践的转化。
• 通过总结方法论的优缺点、性能结果与未来研究方向，为研究人员提供指导。

提出的方法

• 本综述系统分析了自2017年以来发表的145篇经同行评审的期刊与会议论文，通过在IEEE Xplore、Scopus、SpringerLink、ScienceDirect和PubMed等数据库中基于关键词的检索筛选得出。
• 论文被划分为三大主要临床任务：(i) 胎儿标准切面检测，(ii) 解剖结构分析，以及(iii) 生物测量参数估计，并在附录中额外涵盖新兴任务。
• 针对每一类别，基于其技术方法（如CNN、YOLO、U-Net、GAN、Transformer）、性能指标（如Dice、IoU、AUC、RMSE）与数据集特征进行评估。
• 构建汇总表格以比较各研究的训练/测试集规模、标注者数量与报告性能，支持跨方法的基准比较。
• 评估了公开可用的数据集（如Grand Challenge、ISBI或机构数据集）以及文献中使用的标准性能指标（如准确率、F1-score、RMSE）。
• 基于调查结果，对伦理与方法论挑战（如未遵循欧盟可信人工智能伦理准则、缺乏联邦学习应用）进行了批判性讨论。

实验结果

研究问题

• RQ1 自2017年以来，使用深度学习进行胎儿超声图像分析的最活跃研究任务是什么？这些任务如何演变？
• RQ2 在不同任务（如检测、分割、生物测量）中，最常使用的深度学习架构与性能指标有哪些？
• RQ3 公开可用的数据集在多大程度上足以支持训练出稳健且泛化能力强的深度学习模型？
• RQ4 在数据隐私、模型泛化能力与伦理人工智能方面，存在哪些关键局限性与开放挑战，阻碍了深度学习方法在胎儿超声中的临床转化？
• RQ5 尽管联邦学习在解决数据共享与隐私问题方面具有潜力，为何其在胎儿超声深度学习研究中仍被严重低估？

主要发现

• 近年来，胎儿超声深度学习研究的主流集中于标准切面检测（如四腔心切面4CH、三血管切面3VV、腹主动脉-静脉切面FLVSP），基于YOLO的模型在基准数据集上实现了较高的mAP值（如>0.90）。
• U-Net及其变体在解剖结构分割任务中仍占主导地位，对胎儿大脑与脑室等结构的Dice分数通常超过0.85。
• 使用CNN与回归头进行生物测量参数估计（如BPD、HC、AC）可实现较低的RMSE值（如BPD与AC的RMSE<2 mm），表明其临床应用具有高精度。
• 尽管在受控环境下表现优异，大多数模型在不同扫描仪、扫描协议与患者群体之间表现出有限的泛化能力，主要由于数据集偏差与多样性不足。
• 仅18%的研究论文报告使用了超过100次扫描的数据集，且无任何研究采用联邦学习，尽管其在实现隐私保护的多中心协作方面具有潜力。
• 调查中无任何论文明确提及符合欧盟可信人工智能伦理准则，包括缺少评估检查表或透明度报告。