Die Intrapartum-Biometrie ist von entscheidender Bedeutung für die Überwachung des Geburtsverlaufs. Die Verwirklichung von KI-basierten End-to-End-Intrapartum-Biometrie und der Bewertung des Geburtsverlaufs erfordert jedoch Intrapartum-Ultraschall-Videodatensätze mit Mehrkategorien-Anmerkungen, und derzeit gibt es kein öffentliches Videodatensatz für die Mehrkategorien-fein abgestufte Klassifikation. Während mehrere Bilddatensätze für verwandte Aufgaben existieren (z. B. JNU-IFM, PSFHS, IUGC), bleibt ein spezielles Benchmark im Videobereich unavailable. Um diese Lücke zu schließen, haben wir erstmals einen multi-center, multi-device und multi-category gekennzeichneten Intrapartum-Ultraschalldatensatz öffentlich veröffentlicht. Dieser Datensatz umfasst 774 Videos / 68.106 Bilder sowie entsprechende Standard-Ebenenklassifikationsetiketten, Mehrklassen-Segmentierungsetiketten von Symphyse und fetalem Kopf sowie zwei Ultraschallparameteretiketten, die den Geburtsverlauf charakterisieren. Dieser Datensatz kann die Forschung zu Multi-Task-Lernmethoden und die Entwicklung von automatisierten End-to-End-Ansätzen erleichtern, insbesondere bei der Automatisierung von geburtshilflichen Prozessen und unterstützenden Entscheidungsfindungen.
Niu et al. (Mon,) untersuchten diese Frage.