深層畳み込みニューラルネットワークを用いた胎児脳超音波画像のコンピュータ支援診断

Computer-aided diagnosis for fetal brain ultrasound images using deep convolutional neural networks.

• Baihong Xie
• Ting Lei
• Nan Wang
• Hongmin Cai
• Jianbo Xian
• Miao He
• Lihe Zhang
• Hongning Xie

抄録

研究の目的:

胎児の脳の異常は、先天性奇形の中でも最も一般的なものであり、症候性奇形や染色体奇形と関連して、神経発達の遅れや精神遅滞につながる可能性があります。脳の異常を出生前に早期に発見することは、臨床管理の道筋や親への相談を伝えるために不可欠である。本研究の目的は、5つの一般的な胎児脳異常に対するコンピュータ支援診断アルゴリズムを開発することであり、医師が出生前神経ソノグラフィ評価で脳異常を検出する際の支援となる可能性がある。

PURPOSE: Fetal brain abnormalities are some of the most common congenital malformations that may associated with syndromic and chromosomal malformations, and could lead to neurodevelopmental delay and mental retardation. Early prenatal detection of brain abnormalities is essential for informing clinical management pathways and consulting for parents. The purpose of this research is to develop computer-aided diagnosis algorithms for five common fetal brain abnormalities, which may provide assistance to doctors for brain abnormalities detection in antenatal neurosonographic assessment.

方法:

胎児の脳標準面（経脳室・経小脳）の画像を正常・異常に分類するための分類器を適用した。分類器は、画像レベルでラベル化された画像を用いて学習した。最初のステップでは、超音波画像から頭蓋脳領域をセグメント化した。次に、これらのセグメンテーションを4つのカテゴリーに分類した。最後に、クラス活性化マッピングにより異常画像の病変を局所化した。

METHODS: We applied a classifier to classify images of fetal brain standard planes (transventricular and transcerebellar) as normal or abnormal. The classifier was trained by image-level labeled images. In the first step, craniocerebral regions were segmented from the ultrasound images. Then, these segmentations were classified into four categories. Last, the lesions in the abnormal images were localized by class activation mapping.

結果:

胎児の脳超音波画像の実世界の臨床データセットを用いて、我々のアルゴリズムを評価した。提案手法は頭蓋脳領域のセグメンテーションにおいてDiceスコア0.942、分類において平均F1スコア0.96、病変の局在化において平均平均IOU0.497を達成していることが確認された。

RESULTS: We evaluated our algorithms on real-world clinical datasets of fetal brain ultrasound images. We observed that the proposed method achieved a Dice score of 0.942 on craniocerebral region segmentation, an average F1-score of 0.96 on classification and an average mean IOU of 0.497 on lesion localization.

結論:

本研究では、深層畳み込みニューラルネットワークに基づいた胎児脳超音波画像のコンピュータ支援診断アルゴリズムを提案する。このアルゴリズムは、診断支援に応用できる可能性があり、臨床的な判断や胎児脳異常の偽陰性の低減に役立つと期待されています。

CONCLUSION: We present computer-aided diagnosis algorithms for fetal brain ultrasound images based on deep convolutional neural networks. Our algorithms could be potentially applied in diagnosis assistance and are expected to help junior doctors in making clinical decision and reducing false negatives of fetal brain abnormalities.