IUGC2024——产时超声检查挑战赛
今天将分享产时超声检查挑战赛完整实现版本，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、IUGC2024介绍
分娩是动态的，需要多次超声评估来监测胎头位置的变化。在繁忙的劳动环境中，立即获得超声支持对于诊断和干预至关重要。国际妇产科超声学会建议在考虑阴道助产或怀疑分娩延迟之前进行超声评估。其中，两个可靠的超声参数——进展角（AoP）和头联合距离（HSD）——被用来预测阴道助产的结果。
IUGC2024挑战赛重点关注产时超声视频，旨在开发一种自动化胎儿生物测量方法，以减少观察者内部和观察者之间的变异性并提高测量可靠性。该方法应该能够检测适合测量超声参数的标准化平面，分割胎儿头部和耻骨联合区域，并进一步计算进展角度 (AoP) 和头联合距离 (HSD)。
二、IUGC2024任务
任务1、标准平面的分类：准确地对超声视频中的标准平面进行分类。标准平面包括对胎儿生物测量至关重要的重要解剖标志。
任务2、胎头和耻骨联合的分割：在分类的标准平面上进行胎头和耻骨联合的分割。这些区域的准确分割对于精确的胎儿生物测量至关重要。
任务3、超声参数的测量：使用任务2中获得的分割区域测量超声参数，特别是进展角 (AoP) 和头联合距离 (HSD)。值得注意的是，将为这部分提供模板代码，这将自动计算分割图像上的进展角度 (AoP) 和头部联合距离 (HSD)。
三、IUGC2024数据集
任务1：分类——产时超声图像标准平面的标准：图像应包含胎儿头部 (FH) 和耻骨联合 (PS)，确保清晰描绘这两个结构。完整的耻骨联合 (PS) 区域必须包含在图像的视野内。胎儿头部 (FH) 的颅骨部分，特别是右上象限，应清晰可见，以便进行详细评估。下面，将通过一些例子来更好地说明如何确定标准平面。在图（a）中，不存在可辨别的解剖结构。在图（b）中，部分胎头可见，但耻骨联合区域未明确界定。在图（c）中，耻骨联合区域清晰，但胎头区域模糊。在图（d）中，可以识别出胎头的右侧轮廓，但耻骨联合区域的左侧位于圆锥形成像区域之外。在图（e）中，可以看到胎头的右侧轮廓，但耻骨联合区域的右侧位于圆锥形成像区域之外。在图（f）中，胎头和耻骨联合区域都非常清晰，并且位于圆锥形成像区域内。在图（g）中，虽然胎头有一些轮廓缺失，但右侧主要轮廓清晰可见，并且耻骨联合区域位于圆锥形成像区域内。因此，即使胎头轮廓不完整，只要耻骨联合区清晰可见，且胎头右侧主要轮廓可见，即可认为是标准平面。
任务 2：分割——产时超声图像分割的关键方面：超声参数测量（任务 3）的完整性和准确性从根本上取决于分割区域轮廓的精确描绘。图像分割过程中准确的轮廓预测至关重要，因为它显着影响超声参数测量的可靠性。应特别注意：描绘耻骨联合区域左右两侧的轮廓，确保准确识别和表示这些边界。胎儿头部区域右上轮廓的精确定义，强调清晰可视化对于准确测量轮廓的重要性。
任务 3：测量。根据产时超声图像分割（任务 2）的结果，需要测量两个超声参数。进展角 (AoP)——下图说明了测量AoP的主要流程。进展角度的测量是通过从三个特定地标构建两条线来进行的。首先，根据分割图像识别耻骨联合轮廓上最远的两个点。然后，通过耻骨联合最右边的点画一条切线来定义胎儿头部区域。图像右侧与胎儿头部区域相交的切线确定了计算 AoP 的第三点。最后，这三个点形成的角度就构成了AoP。
头部联合距离 (HSD)——下图概述了测量HSD的主要流程。测量胎儿头部到耻骨联合距离的方法涉及利用两个特定的标志。首先，根据分割后的图像，识别耻骨联合轮廓上最远的两个点，将图像右侧的点作为HSD的测量点。然后，以耻骨联合最右边的点为参考，在胎头轮廓中找到最短距离点。该点作为测量 HSD 的第二点。最后，这两点所形成的线段的长度就构成了HSD。
数据由三所大学医院（暨南大学附属第一医院、南方医科大学珠江医院和中山大学附属第三医院）的超声医师、产科医生和技术人员组成的专业团队采集， 七年以上专业经验。手动分割和测量由三位具有超声成像经验的超声医师进行。在训练阶段，提供288个完全由标准平面组成的视频和168个完全由非标准平面组成的视频。其中，将有超过xx个帧包含标准平面，其中xx个帧被注释为分割。此外，还有xx个帧为非标准平面。每个训练案例都包含一个超声视频，其中包含完全标准平面或完全非标准平面。这种裁剪方法有利于标准平面分类器的训练。在所有帧都是标准平面的大多数视频中，定期提供注释，而在所有帧都是标准平面的一小部分视频中，为每个帧提供注释。因此，鼓励参与者关注帧之间的相关性，以在有限的样本下实现分割。在训练阶段，将提供288个完全由标准平面组成的视频和168个完全由非标准平面组成的视频。其中，将有 24,434 帧包含标准平面，其中 2,906 帧带有分割注释。此外，还有31,450帧非标准平面。在验证和测试阶段，将提供在单个视频中包含标准和非标准平面的真实超声视频。因此，参与者在继续分割任务之前需要对标准平面进行分类。值得注意的是，在测试阶段，提供的数据与训练和验证阶段相比将表现出很强的异质性。这将全面评估参与者方法的泛化性能并评估其临床适用性。
每个视频的分辨率为512*512像素，将正样本和负样本存储在两个单独的文件夹中。另外，CSV文件会记录每个视频文件/文件夹的名称、包含的帧数、是否为正样本、标注帧数以及标注帧的索引信息。这将有助于参与者快速了解数据集的分布。另外，对于带注释的视频，还提供了一些标签，如下图所示。提供两种不同的格式：左边的标签是单通道三元图像，右边的标签是三通道图像。参与者可以自由选择任一格式进行处理。
数据下载：
https://codalab.lisn.upsaclay.fr/competitions/18413#learn_the_details
评价指标
分类指标：准确度、F1 分数、马修相关系数和曲线下面积。
分割指标：骰子相似系数、豪斯多夫距离、平均对称表面距离。
测量指标：预测和手动测量的超声参数之间的绝对差异。
四、技术路线
任务一、标准平面的分类
1、将图像缩放到固定大小512x512，然后采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集。
2、搭建ResNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是32，epoch是300，损失函数采用交叉熵。
3、训练结果和验证结果
4、验证集分类结果
任务二、胎头和耻骨联合的分割
1、图像预处理，采用均值为0，方差为1的方式进行归一化处理，再图像缩放到固定大小512x512，再将数据分成训练集和验证集。
2、搭建VNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是128，epoch是300，损失函数采用多类别的dice和交叉熵。
3、训练结果和验证结果
4、验证集分割结果
左图是金标准结果，中间是原始图像，右图是预测结果。
任务三、进展角（AOP）和头部联合距离 (HSD)自动测量
在前面的文章中介绍过如何自动计算进展角，可以参考这篇文章FH-PS-AOP2023——耻骨(PS)-胎儿头部(FH)分割和胎头进展角度(AOP)测量。
1、根据任务二中的耻骨联合区域mask，计算轮廓凸包，然后找到轮廓凸包中最长距离的两点。
2、根据步骤1中两点中靠右边的点为基准点，计算与胎头轮廓的切点，由于轮廓外的点与轮廓线会有两个切点，选择靠右边的切点为基准点。
3、使用耻骨联合区域中最长距离的两点和胎头的切点来计算进展角AOP。
4、根据步骤1中两点中靠右边的点为基准点，计算与胎头轮廓点上距离最近的点为基准点，并计算头部联合距离HSD。
5、部分数据自动测量结果。
最后将上述三个功能模块进行集成，输入超声视频数据，输出自动测量标记数值结果。
点击阅读原文可以访问参考项目，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。