Inteligência artificial aplicada na detecção e segmentação automática de estruturas cardíacas em imagens ecocardiográficas

Vilson Soares De Siqueira, D. Rodrigues, João Batista Masson Silva, Ronaldo Martins Da Costa
{"title":"Inteligência artificial aplicada na detecção e segmentação automática de estruturas cardíacas em imagens ecocardiográficas","authors":"Vilson Soares De Siqueira, D. Rodrigues, João Batista Masson Silva, Ronaldo Martins Da Costa","doi":"10.55905/rcssv12n4-002","DOIUrl":null,"url":null,"abstract":"Este artigo apresenta uma abordagem para a segmentação automática de imagens ecocardiográficas e discute os desafios sobre o problema. A metodologia consistiu em treinar modelos de aprendizado profundo baseados em redes neurais convolucionais (CNN) utilizando imagens ecocardiográficas de uma base de dados pública para segmentar três estruturas cardíacas: o ventrículo esquerdo, o átrio esquerdo e o miocárdio. Os resultados mostraram que a abordagem alcançou alta precisão na segmentação das estruturas cardíacas, com a acurácia média de 95,7%. A abordagem mostrou-se efetiva e promissora para a segmentação automática de estruturas cardíacas em imagens ecocardiográficas, abrindo possibilidades para a aplicação clínica.","PeriodicalId":144733,"journal":{"name":"Revista Caribeña de Ciencias Sociales","volume":"17 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Caribeña de Ciencias Sociales","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55905/rcssv12n4-002","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Este artigo apresenta uma abordagem para a segmentação automática de imagens ecocardiográficas e discute os desafios sobre o problema. A metodologia consistiu em treinar modelos de aprendizado profundo baseados em redes neurais convolucionais (CNN) utilizando imagens ecocardiográficas de uma base de dados pública para segmentar três estruturas cardíacas: o ventrículo esquerdo, o átrio esquerdo e o miocárdio. Os resultados mostraram que a abordagem alcançou alta precisão na segmentação das estruturas cardíacas, com a acurácia média de 95,7%. A abordagem mostrou-se efetiva e promissora para a segmentação automática de estruturas cardíacas em imagens ecocardiográficas, abrindo possibilidades para a aplicação clínica.
人工智能在超声心动图图像中心脏结构检测和自动分割中的应用
本文提出了一种自动分割超声心动图图像的方法,并讨论了这一问题的挑战。该方法包括训练基于卷积神经网络(CNN)的深度学习模型,使用来自公共数据库的超声心动图图像来分割三个心脏结构:左心室、左心房和心肌。结果表明,该方法对心脏结构的分割精度较高,平均准确率为95.7%。该方法在超声心动图图像中心脏结构的自动分割方面是有效和有前途的,为临床应用开辟了可能性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信