[论文解读] Automated interpretation of prenatal ultrasound using a predefined acquisition protocol in resource-limited countries
本研究证明，通过使用标准化的两小时培训采集协议，对产前超声进行自动化分析，可在无需训练超声医师的情况下，准确检测胎儿姿势、双胎妊娠及估算孕周。通过结合类似VGG的网络进行帧分类，以及使用U-Net进行头围测量，该系统在资源有限的环境中实现了可靠且可扩展的胎儿评估。
In this study, we combine a standardized acquisition protocol with image analysis algorithms to investigate if it is possible to automatically detect maternal risk factors without a trained sonographer. The standardized acquisition protocol can be taught to any health care worker within two hours. This protocol was acquired from 280 pregnant women at St. Luke's Catholic Hospital, Wolisso, Ethiopia. A VGG-like network was used to perform a frame classification for each frame within the acquired ultrasound data. This frame classification was used to automatically determine the number of fetuses and the fetal presentation. A U-net was trained to measure the fetal head circumference in all frames in which the VGG-like network detected a fetal head. This head circumference was used to estimate the gestational age. The results show that it possible automatically determine gestational age and determine fetal presentation and the potential to detect twin pregnancies using the standardized acquisition protocol.
研究动机与目标
- 开发一种适用于资源有限国家的产前超声自动解读系统。
- 通过让医疗工作者使用标准化且易于教学的采集协议进行扫描，减少对训练有素的超声医师的依赖。
- 评估人工智能是否能从超声帧中准确检测胎儿姿势、胎儿数量及孕周。
- 证明仅需少量培训和自动化图像分析即可实现可扩展、低成本的产前筛查。
提出的方法
- 开发并教授了标准化的采集协议，培训时间不超过两小时。
- 在埃塞俄比亚沃尔索索圣卢克天主教医院，使用该协议收集了280名孕妇的超声数据。
- 采用类似VGG的卷积神经网络，将每帧超声图像分类为是否包含胎儿头部。
- 训练U-Net架构以在VGG-like网络识别的帧中分割胎儿头部。
- 利用U-Net测量的头围数据估算孕周。
- 利用帧分类结果确定胎儿姿势及胎儿数量。
实验结果
研究问题
- RQ1非专业人士是否能在两小时内学会标准化的超声采集协议？
- RQ2自动化图像分析是否能从标准2D超声扫描中检测胎儿姿势和双胎妊娠？
- RQ3是否能通过超声帧中自动测量的头围数据准确估算孕周？
- RQ4该系统是否能在无需训练超声医师的资源有限的临床环境中可靠运行？
主要发现
- 标准化协议在两小时内成功教授给医疗工作者，确保了数据采集的一致性。
- 类似VGG的网络准确分类了包含胎儿头部的帧，为后续分析提供了基础。
- U-Net模型在各帧中实现了可靠的胎儿头围测量。
- 基于头围测量，孕周估算达到了临床应用所需的足够精度。
- 该系统成功从超声数据中检测出胎儿姿势和双胎妊娠。
- 标准化采集与自动化分析的结合，使在资源有限国家实现可扩展、低成本的产前筛查成为可能。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。