一个全面的范围审查基于机器学习的胎儿心声分析分析

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 胎儿心声学对于诊断先天性心脏缺陷至关重要.
• 对胎儿心脏超声波图像的自动分析是一个新兴领域.
• 机器学习有可能提高胎儿心声分析的准确性和效率.

研究的目的:

• 在胎儿心声学中对机器学习应用进行全面的文献审查.
• 识别和分类当前的研究趋势和方法.
• 为提供基于神经网络的方法进行胎儿心脏分析的概述.

主要方法:

• 在主要科学数据库 (ACM,IEEE Xplore,PubMed,Scopus,Web of Science) 进行系统的文献搜索,截至2023年7月.
• 从最初的343个论文中选择了48篇相关论文.
• 对经过审查的文献进行分析,重点关注基于神经网络的分类和细分任务方法.

主要成果:

• 审查的文献主要采用基于神经网络的方法来识别胎儿心脏解剖学.
• 发现的关键技术分析术语包括注意力和突出性,粗到细,扩展卷积,生成对抗网络和时空分析.
• 研究涵盖胎儿心声数据的分类和细分建模.

结论:

• 机器学习,特别是深度学习,在自动化胎儿心声分析方面显示出重大前景.
• 鉴定的技术方法为开发先进的诊断工具提供了基础.
• 这篇评论是研究人员和临床医生进入或在这个专业领域工作的宝贵资源.