Vilson Soares De Siqueira, D. Rodrigues, João Batista Masson Silva, Ronaldo Martins Da Costa
{"title":"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","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":"{\"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}","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}
Inteligência artificial aplicada na detecção e segmentação automática de estruturas cardíacas em imagens ecocardiográficas
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.