Автоматический подсчёт фолликулов по ультразвуковым изображениям яичников с использованием модели MARDSE-UNet

Выявление структур яичника на ультразвуковых изображениях имеет важное значение в гинекологии и репродуктивной медицине. Автоматизированная система распознавания может служить ценным инструментом для врачей и помогать при интерпретации сложных ультразвуковых исследований. В работе представлен детектор объектов на основе свёрточной нейронной сети, предназначенный для сегментации и подсчёта областей фолликулов на ультразвуковых изображениях яичников. Автоматическая идентификация фолликулов яичника может помочь в диагностике бесплодия, синдрома поликистозных яичников (СПКЯ), рака яичника и других нарушений репродуктивного здоровья. Предложенная модель Multi-Attention Residual Dilated UNet with Squeeze and Excitation (MARDSE-UNet) объединяет residual UNet, dilated UNet и блоки squeeze-and-excitation для повышения эффективности выявления фолликулов. При 5-кратной перекрёстной проверке MARDSE-UNet показала исключительные результаты: точность 98,69%, precision 97,89%, recall 97,7%, F1-мера 86,97% и индекс пересечения и объединения (IoU) 95,66% при обнаружении фолликулов. Для экспериментов использовали набор данных USOVA3D. Модель также включает новый этап предварительной обработки для устранения шума и низкой контрастности, а также этап постобработки для уточнения границ и извлечения таких признаков, как площадь, периметр и диаметр фолликулов, что позволило провести более полное сравнение эффективности. В сравнительных оценках предложенная модель превзошла традиционные модели CNN и другие современные методы.