胎儿超声异常扫描的统一生物识别估计的多任务学习方法

本研究提出了一种迁移学习方法，使用轻量级 MobileNet 作为编码器的 U-Net 网络进行微调，以在受限的胎儿头部超声图像数据集上进行分割。该方法在减少可训练参数数量的同时仍能实现可比的分割性能，适用于医学图像分析领域。研究结果强调了在开发人工智能应用时，平衡模型性能与大小的重要性。