| عنوان مقاله به انگلیسی | Automatic 3D Multi-modal Ultrasound Segmentation of Human Placenta using Fusion Strategies and Deep Learning |
| عنوان مقاله به فارسی | تقسیم‌بندی خودکار سه بعدی اولتراسوند چندوجهی جفت انسان با استفاده از استراتژی‌های فیوژن و یادگیری عمیق |
| نویسندگان | Sonit Singh, Gordon Stevenson, Brendan Mein, Alec Welsh, Arcot Sowmya |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | Purpose: Ultrasound is the most commonly used medical imaging modality for diagnosis and screening in clinical practice. Due to its safety profile, noninvasive nature and portability, ultrasound is the primary imaging modality for fetal assessment in pregnancy. Current ultrasound processing methods are either manual or semi-automatic and are therefore laborious, time-consuming and prone to errors, and automation would go a long way in addressing these challenges. Automated identification of placental changes at earlier gestation could facilitate potential therapies for conditions such as fetal growth restriction and pre-eclampsia that are currently detected only at late gestational age, potentially preventing perinatal morbidity and mortality. Methods: We propose an automatic three-dimensional multi-modal (B-mode and power Doppler) ultrasound segmentation of the human placenta using deep learning combined with different fusion strategies.We collected data containing Bmode and power Doppler ultrasound scans for 400 studies. Results: We evaluated different fusion strategies and state-of-the-art image segmentation networks for placenta segmentation based on standard overlap- and boundary-based metrics. We found that multimodal information in the form of B-mode and power Doppler scans outperform any single modality. Furthermore, we found that B-mode and power Doppler input scans fused at the data level provide the best results with a mean Dice Similarity Coefficient (DSC) of 0.849. Conclusion: We conclude that the multi-modal approach of combining B-mode and power Doppler scans is effective in segmenting the placenta from 3D ultrasound scans in a fully automated manner and is robust to quality variation of the datasets. |
| تعداد صفحات | 18 |
| چکیده به فارسی (ترجمه ماشینی) | هدف: سونوگرافی رایج ترین روش تصویربرداری پزشکی برای تشخیص و غربالگری در عمل بالینی است.با توجه به مشخصات ایمنی ، ماهیت غیر تهاجمی و قابلیت حمل ، سونوگرافی روش اصلی تصویربرداری برای ارزیابی جنین در بارداری است.روشهای پردازش سونوگرافی فعلی به صورت دستی یا نیمه اتوماتیک هستند و به همین دلیل پر زحمت ، وقت گیر و مستعد خطاها هستند و اتوماسیون در پرداختن به این چالش ها مسیری طولانی خواهد داشت.شناسایی خودکار تغییرات جفت در حاملگی قبلی می تواند روشهای درمانی بالقوه را برای شرایطی مانند محدودیت رشد جنین و پره اکلامپسی که در حال حاضر فقط در سن حاملگی تشخیص داده می شوند ، تسهیل کند و به طور بالقوه از عوارض پری ناتال و مرگ و میر جلوگیری می کند.مواد و روش ها: ما یک تقسیم بندی سونوگرافی چند بعدی سه بعدی (حالت B و داپلر قدرت) را با استفاده از یادگیری عمیق همراه با استراتژی های مختلف فیوژن پیشنهاد می کنیم.یافته ها: ما استراتژی های مختلف فیوژن و شبکه های تقسیم بندی تصویر پیشرفته را برای تقسیم جفت بر اساس معیارهای استاندارد با هم همپوشانی و مرز ارزیابی کردیم.ما دریافتیم که اطلاعات چند حالته به شکل B-Mode و Power Doppler از هر روش واحد بهتر عمل می کنند.علاوه بر این ، ما دریافتیم که اسکن ورودی حالت B و قدرت داپلر در سطح داده ها با میانگین ضریب شباهت تاس (DSC) 0.849 بهترین نتایج را ارائه می دهند.نتیجه گیری: نتیجه می گیریم که رویکرد چند منظوره در ترکیب اسکن های B-Mode و Power Doppler در تقسیم جفت از اسکن سونوگرافی سه بعدی به روشی کاملاً خودکار مؤثر است و در برابر تنوع کیفیت مجموعه داده ها قوی است. |
| دسته بندی موضوعات | Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم ، دید رایانه و تشخیص الگوی ، یادگیری ماشین ، |
| توضیحات | Submitted 17 January, 2024; originally announced January 2024. |
| توضیحات به فارسی | ارسال شده 17 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد. |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.