FUSEP: 초기 임신 태아 초음파 검진을 위한 다양한 작업의 다기관 벤치마크

FUSEP: A Multi-Center Benchmark for Diverse Tasks in Early Pregnancy Fetal Ultrasound Screening

전 세계적으로 매년 상당수의 선천성 질환을 가진 아기가 태어나며, 특히 의료 자원이 부족한 지역에서 그 비율이 높습니다. 현재 초기 임신 시기 태아 초음파 검사는 가장 흔히 사용되는 방법으로, 이를 통해 질병을 더 일찍 발견하고 적절한 치료를 제공할 수 있습니다. 그러나 초기 태아 발달 단계에 대한 초음파 데이터의 부족은 자동화된 진단 시스템 개발을 지연시켜 왔습니다. 본 연구에서는 초기 임신 시기 태아 초음파 검진을 위한 벤치마크 데이터셋인 FUSEP을 제시하여, 지능형 초음파 검사와 보조 진단을 촉진하고자 합니다. 저희 데이터셋은 국제 가이드라인에서 권장하는 두 가지 초음파 영상(머리-엉덩이 길이(CRL) 및 경부 투명대(NT))으로 구성되어 있으며, 총 3개의 병원에서 수집된 4,017장의 초음파 이미지와 전문가가 직접 작성한 45,820개의 객체 검출 레이블을 포함하고 있습니다. 저희 데이터셋과 기본 모델은 다음과 같은 세 가지 기여를 합니다: 1) 의료 전문가들이 두 가지 영상에서 총 14개의 주요 해부학적 구조에 대해 객체 검출 방식을 사용하여 주석을 달았습니다; 2) 저희 데이터는 다양한 초음파 기사, 장비, 스캔 각도, 병원 등으로부터 수집되었습니다; 3) 초음파 이미지의 다중 객체 검출에서 준지도 학습, 완전 지도 학습, 비지도 도메인 적응(UDA), 그리고 소스-프리 UDA의 성능을 보고합니다. 현재까지 공개된 최초의 초기 임신 태아 초음파 검진 데이터셋 및 벤치마크입니다. 저희는 FUSEP과 이와 관련된 벤치마크가 표준 영상 인식, 초음파 이미지 품질 관리, 초기 태아 발달 단계에서의 자동화된 보조 진단, 의료 다중 객체 검출, 객체 검출을 위한 도메인 적응 등 다양한 분야에서 의학계에 기여할 것이라고 믿습니다.

A large number of infants with congenital anomalies are born each year globally, especially in areas with underdeveloped medical resources. Currently, fetal ultrasound screening is the most common modality for early pregnancy anatomy detection. This modality can detect anomalies earlier and provide opportune treatment advice. However, the lack of an ultrasound dataset on early fetal gestation has slowed down the development of automated assisted diagnosis. In this work, we present a benchmark dataset for Fetal Ultrasound Screening in Early Pregnancy to facilitate intelligent ultrasound examination and assisted diagnosis called FUSEP. Our dataset consists of two ultrasound views recommended by the international guideline, i.e., Crown-rump Length (CRL) and Nuchal Translucency (NT) views in three hospitals, totaling 4,017 ultrasound images, with 45,820 box-level expert-level annotations. Our dataset and baseline present the following three contributions: 1) Our medical experts annotated a total of 14 key anatomical structures in two views using a box-level format; 2) Our data is collected extensively from different sonographers, devices, scanning angles, hospitals, etc; 3) We report the performance of the semi-supervised learning, fully supervised learning, unsupervised domain adaptation (UDA), and source-free UDA in ultrasound images multi-object detection. To the best of our knowledge, this is the first publicly available dataset and benchmark for fetal early pregnancy ultrasound screening. We believe that FUSEP and benchmark can contribute to the medical community in the development of multiple tasks such as standard plane recognition, quality control on ultrasound images, automated assisted diagnostics in early fetal pregnancy, medical multi-object detection, domain adaptation for object detection, etc.