استفاده از معماری یادگیری عمیق برای شناسایی اختلالات نادر و تهدید کننده زندگی از اسکن سونوگرافی جنین



در یک مطالعه اثبات مفهوم جدید به رهبری دکتر مارک واکر در دانشکده پزشکی دانشگاه اتاوا، محققان در استفاده از یک مدل یادگیری عمیق مبتنی بر هوش مصنوعی منحصر به فرد به عنوان ابزاری کمکی برای خواندن سریع و دقیق مطالب پیشگام هستند. تصاویر سونوگرافی

هدف از مطالعه این تیم نشان دادن پتانسیل معماری یادگیری عمیق برای پشتیبانی از شناسایی اولیه و قابل اعتماد هیگرومای کیستیک از اسکن سونوگرافی سه ماهه اول بود. سیستیک هیگروما یک بیماری جنینی است که باعث می شود سیستم عروقی لنفاوی به طور غیر طبیعی رشد کند. این یک اختلال نادر و بالقوه تهدید کننده زندگی است که منجر به تورم مایع در اطراف سر و گردن می شود.

این نقص مادرزادی معمولاً می‌تواند به راحتی در طی یک قرار ملاقات با سونوگرافی تشخیص داده شود، اما دکتر واکر – یکی از بنیانگذاران گروه تحقیقاتی OMNI (تحقیقات زنان و زایمان، مادران و نوزادان) در بیمارستان اتاوا – و گروه تحقیقاتی او می‌خواستند میزان هوش مصنوعی را آزمایش کنند. تشخیص الگوی محور می تواند این کار را انجام دهد.

دکتر واکر، که معتقد است رویکرد آنها ممکن است برای سایر ناهنجاری‌های جنینی که عموماً شناسایی شده‌اند به کار رود، می‌گوید: «آنچه ما نشان دادیم در زمینه سونوگرافی بود که می‌توانیم از ابزارهای مشابه برای طبقه‌بندی و شناسایی تصاویر با حساسیت و ویژگی بالا استفاده کنیم. توسط سونوگرافی

منبع:

مرجع مجله:

10.1371/journal.pone.0269323



منبع