مروری بر آنالیز تصاویر اولتراسوند جنین با استفاده از شبکه های یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 241

فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSETCONF10_014

تاریخ نمایه سازی: 28 شهریور 1401

چکیده مقاله:

یکی از معاینات معمول که در بسیاری از کشورها برای مراقبت های دوران بارداری استفاده می شود، تصویربرداری اولتراسوند است. این روش اطلاعات مهمی در مورد سلامت و رشد جنین، روند بارداری، سن جنین، تاریخ زایمان ارائه می دهد. برخی از پارامترهای بیومتریک جنین مانند دور سر جنین (HC) برای بررسی سلامت و رشد جنین اندازه گیری می شود، بخش بندی دقیق سر جنین برای محاسبه دور سر مهم است. الگوریتم های یادگیری عمیق (DL) در حال تبدیل شدن به یک استاندارد برای پردازش تصاویر اولتراسوند(US) جنین هستند. در این مقاله یک شبکه عصبی کانولوشن برای اندازه گیری خودکار دور سر جنین (HC)، تکنیک های مختلف یادگیری عمیق برای بخش بندی جمجمه جنین و همچنین الگوریتم های DLبرای تجزیه و تحلیل تصاویر USجنین را مورد بحث قرار می گیرد.

کلیدواژه ها:

تصاویر اولتراسوند ، اندازه گیری دور سر جنین ، تخمین بیومتریک ، CNN

نویسندگان

معصومه فرخی

گروه مهندسی پزشکی، موسسه آموزش عالی آفرینش علم گستر بروجرد، بروجرد، لرستان، ایران

یاسر بازوند

گروه مهندسی پزشکی، موسسه آموزش عالی آفرینش علم گستر بروجرد، بروجرد، لرستان، ایران