从基于不同生物识别的超声波视频进行胎儿生长分析,使用最佳细分和混合分类器
1Department of Electronics and communication Engineering, K. Ramakrishnan College of Technology, (Affiliated to Anna University Chennai), Trichy, India.
Statistics in medicine
|December 28, 2023
概括
这项研究引入了使用超声波图像进行胎儿生长分析的先进方法. 该技术准确地测量胎儿头周长,改善产前诊断和婴儿健康监测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胎儿医学 胎儿医学
背景情况:
- 出生缺陷和相关成本对婴儿死亡率有很大影响.
- 在法律允许的情况下,产前诊断可以进行关键的干预,如子宫内护理和明智的怀孕决定.
- 精确的胎儿生物测量,包括头周长,对于监测妊娠期间胎儿健康至关重要.
研究的目的:
- 用超声波 (美国) 图像开发一种优化的胎儿生长分析方法.
- 通过先进的图像细分和特征提取,提高胎儿头部周长生物学的准确性.
- 为了提高胎儿健康评估在具有挑战性的美国成像条件的可靠性.
主要方法:
- 使用混合与对立果优化 (WOFF) 算法对胎儿头部进行最佳细分.
- 通过改进的U-Net设计来提取头部周长生物识别的特征.
- 使用修改后的增强算术优化 (MBAO) 算法和使用双向LSTM与卷积神经网络 (B-LSTM-CNN) 的胎儿生长分析进行特征优化.
主要成果:
- WOFF算法在胎儿头部细分中显示了更好的检测准确性.
- U-Net 设计有效地提取了头周长生物识别的隐藏特征.
- MBAO算法减少了数据的维度,而B-LSTM-CNN模型准确计算了胎儿生长和健康指标.
结论:
- 拟议的方法提供了一个强大的方法,用于从美国图像中分析胎儿生长,解决常见的文物和变异.
- 这种技术增强了产前诊断能力,可能导致更好的婴儿结果.
- 在基准数据集 (HC18,ORA数据) 上的验证显示了与现有最先进的方法相比具有竞争力的性能.
