A Generic Quality Control Framework for Fetal Ultrasound Cardiac Four-Chamber Planes

人工智能 计算机科学 缩放 计算机视觉 残余物 模式识别(心理学) 图像质量 算法 图像(数学) 镜头(地质) 石油工程 工程类
作者
Jinbao Dong,Shengfeng Liu,Yimei Liao,Huaxuan Wen,Baiying Lei,Shengli Li,Tianfu Wang
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:24 (4): 931-942 被引量:65
标识
DOI:10.1109/jbhi.2019.2948316
摘要

Quality control/assessment of ultrasound (US) images is an essential step in clinical diagnosis. This process is usually done manually, suffering from some drawbacks, such as dependence on operator's experience and extensive labors, as well as high inter- and intra-observer variation. Automatic quality assessment of US images is therefore highly desirable. Fetal US cardiac four-chamber plane (CFP) is one of the most commonly used cardiac views, which was used in the diagnosis of heart anomalies in the early 1980s. In this paper, we propose a generic deep learning framework for automatic quality control of fetal US CFPs. The proposed framework consists of three networks: (1) a basic CNN (B-CNN), roughly classifying four-chamber views from the raw data; (2) a deeper CNN (D-CNN), determining the gain and zoom of the target images in a multi-task learning manner; and (3) the aggregated residual visual block net (ARVBNet), detecting the key anatomical structures on a plane. Based on the output of the three networks, overall quantitative score of each CFP is obtained, so as to achieve fully automatic quality control. Experiments on a fetal US dataset demonstrated our proposed method achieved a highest mean average precision (mAP) of 93.52% at a fast speed of 101 frames per second (FPS). In order to demonstrate the adaptability and generalization capacity, the proposed detection network (i.e., ARVBNet) has also been validated on the PASCAL VOC dataset, obtaining a highest mAP of 81.2% when input size is approximately 300 × 300.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
vvvaee完成签到 ,获得积分10
2秒前
蔡从安发布了新的文献求助10
12秒前
songge发布了新的文献求助10
15秒前
kuikichu完成签到,获得积分10
19秒前
沿途东行完成签到 ,获得积分10
19秒前
默默荔枝完成签到 ,获得积分10
21秒前
Yimi刘博完成签到 ,获得积分10
22秒前
迅速的念芹完成签到 ,获得积分10
24秒前
kanong完成签到,获得积分0
25秒前
愤怒的易云完成签到 ,获得积分10
30秒前
33秒前
洁净的盼易完成签到 ,获得积分10
36秒前
施天问发布了新的文献求助10
37秒前
nini完成签到,获得积分10
44秒前
魔幻的慕梅完成签到 ,获得积分10
47秒前
施天问完成签到,获得积分10
49秒前
bruna应助科研通管家采纳,获得30
49秒前
bruna应助科研通管家采纳,获得30
49秒前
vassallo完成签到 ,获得积分10
52秒前
星辰完成签到 ,获得积分10
54秒前
蓝意完成签到,获得积分0
55秒前
七月星河完成签到 ,获得积分10
55秒前
猴子请来的救兵完成签到,获得积分10
56秒前
桃儿完成签到 ,获得积分10
1分钟前
jyy应助执着乐双采纳,获得10
1分钟前
marco完成签到 ,获得积分10
1分钟前
欧欧欧导完成签到,获得积分10
1分钟前
lilylwy完成签到 ,获得积分0
1分钟前
陈昇完成签到 ,获得积分10
1分钟前
五月完成签到 ,获得积分10
1分钟前
1分钟前
SciGPT应助蔡从安采纳,获得10
1分钟前
归尘应助蔡从安采纳,获得10
1分钟前
刚子完成签到 ,获得积分10
1分钟前
皮蛋努力科研完成签到 ,获得积分10
1分钟前
蔡从安完成签到,获得积分20
1分钟前
美好灵寒完成签到 ,获得积分10
1分钟前
知犯何逆完成签到 ,获得积分10
1分钟前
康康舞曲完成签到 ,获得积分10
1分钟前
1分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
MATLAB在传热学例题中的应用 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版,不要epub版本 431
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3303307
求助须知:如何正确求助?哪些是违规求助? 2937611
关于积分的说明 8482699
捐赠科研通 2611556
什么是DOI,文献DOI怎么找? 1426036
科研通“疑难数据库(出版商)”最低求助积分说明 662524
邀请新用户注册赠送积分活动 647023