FH-PS-AOP2023——耻骨(PS)-胎儿头部(FH)分割和胎头进展角度(AOP)测量
今天将分享耻骨(PS)-胎儿头部(FH)自动分割和胎头进展角度(AOP)自动测量完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
今天将分享耻骨(PS)-胎儿头部(FH)自动分割和胎头进展角度(AOP)自动测量完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果感兴趣的朋友赶紧动手试一试吧一、FH-PS-AOP2023介绍
目前的产科在努力避免阴道分娩困难时,临床yi生的技能主要在于精确识别应该应用产钳时的胎头位置经阴道数字检查仍然是获取这些信息的“黄金标准”,但它是一种主观评估,有一些局限性最近的研究表明,中矢状面经会阴超声成像可能允许通过测量胎头进展角度(AOP)的测量值来客观量化产道中胎头下降的水平。
AOP是耻骨(PS)长轴最低点与切向胎儿头部(FH)最深处骨质部分的线之间的角度FH-PS分割是AOP参数自动估计的先决条件二、FH-PS-AOP2023任务分割胎儿头部 (FH)-耻骨 (PS) ,然后根据分割后的 FH-PS计算胎头进展角度 (AOP)。
三、FH-PS-AOP2023数据集训练数据有4000个且带标注原始图像的形状格式为 3x256x256的mha格式金标准标签图像为 256x256,包含标记为 0、1 或 2 的像素,其中 0 表示背景,1 表示耻骨,2 表示胎头。
阶段1测试数据有401个,阶段2测试数据有700个评价指标:分割的dice分数、Hausdorff 距离和平均表面距离;预测AoP与手动测量AoP之间的AoP差异(ΔAoP)四、技术路线1
2、对图像进行均值为0方差为1的归一化操作,然后将数据按照8:2分成训练集和验证集3、搭建VNet2d网络,使用AdamW优化器,学习率是0.001,batchsize是16,epoch是300,损失函数采用二值化的dice和交叉熵。
4、训练结果和验证结果
5、AOP角度自动测量计算首先根据分割mask的标签1,进行最小外接矩形计算,得到长轴的两个点坐标然后根据分割mask的标签2,计算长轴两个点到标签2轮廓点的最短距离,并比较这两个点对应的最短距离,选择其中最小值的长轴点作为最低点。
最后根据长轴最低点计算与标签2轮廓点的切点,由于最低点在轮廓点外,所以会得到两个切点,然后再计算长轴两个点与切点之间的夹角,选择夹角最大值所对应的切点作为胎头测量切点6、验证集部分分割结果和AOP角度测量结果。
左图是金标准结果,右图网络预测结果。
如果大家觉得这个项目还不错,希望大家给个Star并Fork,可以让更多的人学习。如果有任何问题,随时给我留言我会及时回复的。