从子宫内神经声波图像的胎儿生长限制的基于纹理的分类
Zehao Chen1, Mengjie Chen2, Shiying Huang2
1School of Computer Science and Technology, Dongguan University of Technology, Dongguan, China.
概括
对胎儿神经声学图像的纹理分析显示,早期检测胎儿生长限制 (FGR) 是有前途的. 这种非侵入性方法可以准确地识别患有FGR的胎儿,有助于及时干预和改善新生儿的结果.
科学领域:
- 医疗成像医学成像
- 胎儿医学 胎儿医学
- 医疗保健中的人工智能
背景情况:
- 胎儿生长限制 (FGR) 显著影响新生儿的健康.
- 早期发现FGR对于及时干预至关重要.
- 目前的诊断方法在早期检测方面可能存在局限性.
研究的目的:
- 评估基于纹理分析对用于FGR检测的神经声波图像的有效性.
- 探索胎儿尾白质 (OWM) 和小脑的纹理特征.
- 评估人工神经网络 (ANN) 在分类FGR胎儿方面的潜力.
主要方法:
- 对100张胎儿神经声学图像 (50张FGR,50张对照) 的回顾分析.
- 使用MaZda软件从OWM和小脑中提取纹理特征.
- 通过多个算法选择特征,并通过非线性差异分析减少维度.
- 使用人工神经网络 (ANN) 分类器进行分类.
主要成果:
- 纹理分析确定了OWM和小脑的统计学意义上的特征.
- 通过ANN分类,OWM的准确率达到90.00%,小脑的准确率达到93.00%.
- 接收机运行特征曲线显示曲线下的面积为0.82 (OWM) 和0.87 (小脑).
结论:
- 胎儿神经声学图像的纹理分析是FGR评估的一个可行的策略.
- 这种非侵入性方法在识别FGR胎儿方面表现出很高的准确性.
- 这些发现表明,它是早期FGR评估的有希望的工具.
