Aprendizaje computacional para análisis de imágenes de ultrasonido médico

F. Arámbula Cosio, F. Torres Robles, Gustavo A.R. Velásquez-Rodríguez, E. G. Galicia Gómez, B. Escalante-Ramírez, J. Olveres, Jorge L. Pérez, V. Medina Bañuelos, L. Camargo Marín, M. Guzmán Huerta
{"title":"Aprendizaje computacional para análisis de imágenes de ultrasonido médico","authors":"F. Arámbula Cosio, F. Torres Robles, Gustavo A.R. Velásquez-Rodríguez, E. G. Galicia Gómez, B. Escalante-Ramírez, J. Olveres, Jorge L. Pérez, V. Medina Bañuelos, L. Camargo Marín, M. Guzmán Huerta","doi":"10.22201/dgtic.26832968e.2021.4.4","DOIUrl":null,"url":null,"abstract":"Las imágenes de ultrasonido médico ofrecen varias ventajas con respecto a otras modalidades como rayos X, tomografía computarizada y resonancia magnética nuclear. Los equipos de ultrasonido son compactos y el tamaño pequeño de la sonda permite al experto tomar imágenes de una amplia variedad de órganos en 2 y 3 dimensiones. Las principales desventajas son un alto nivel de ruido (speckle) en las imágenes y la necesidad de que un experto realice la adquisición de imágenes. En este trabajo presentamos cinco sistemas de análisis computarizado de imágenes de ultrasonido, basados en técnicas de aprendizaje computacional, para mejorar la calidad de la detección de estructuras de interés clínico. Reportamos aplicaciones en: ecocardiografía, salud materno-fetal y oncología.","PeriodicalId":287597,"journal":{"name":"TIES, Revista de Tecnología e Innovación en Educación Superior","volume":"88 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"TIES, Revista de Tecnología e Innovación en Educación Superior","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22201/dgtic.26832968e.2021.4.4","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

Las imágenes de ultrasonido médico ofrecen varias ventajas con respecto a otras modalidades como rayos X, tomografía computarizada y resonancia magnética nuclear. Los equipos de ultrasonido son compactos y el tamaño pequeño de la sonda permite al experto tomar imágenes de una amplia variedad de órganos en 2 y 3 dimensiones. Las principales desventajas son un alto nivel de ruido (speckle) en las imágenes y la necesidad de que un experto realice la adquisición de imágenes. En este trabajo presentamos cinco sistemas de análisis computarizado de imágenes de ultrasonido, basados en técnicas de aprendizaje computacional, para mejorar la calidad de la detección de estructuras de interés clínico. Reportamos aplicaciones en: ecocardiografía, salud materno-fetal y oncología.
医学超声图像分析的计算学习
与X射线、计算机断层扫描和核磁共振等其他方法相比,医用超声图像有几个优点。超声波设备结构紧凑,探头尺寸小,专家可以对各种器官进行二维和三维成像。主要缺点是图像中的高噪声(散斑)水平和需要专家进行图像采集。在本研究中,我们提出了五种基于计算机学习技术的超声图像计算机分析系统,以提高临床感兴趣的结构检测的质量。我们报道了超声心动图、母胎健康和肿瘤学的应用。
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:481959085
Book学术官方微信