AnomExpert

AnomExpert框架提高了产前超声异常诊断的准确性

研究人员开发了AnomExpert，一个旨在提高产前超声异常诊断准确性的新框架。该系统利用案例级监督和可学习平面原型，将超声图像组织成解剖平面的表示，而无需显式的平面注释。AnomExpert通过为特定异常选择诊断相关的平面来进一步优化诊断。在大型数据集上的实验中，AnomExpert使用ViT-small骨干网络，在准确率和F1分数上均优于其他九种多实例学习方法，准确率达到86.9%，F1分数达到84.2%。