用深度学习模型对扩大的胎儿心脏进行计算机辅助评估
Siti Nurmaini1, Ade Iriani Sapitri1, Muhammad Taufik Roseno2
1Intelligent System Research Group, Universitas Sriwijaya, Palembang, Indonesia.
iScience
|May 9, 2025
概括
这项研究引入了一种自动化的深度学习工具,用于使用YOLOv8.8检测胎儿心脏膨胀. 这种人工智能方法提高了产前超声波查的准确性和一致性,有助于早期诊断先天性心脏病.
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:
- 胎儿心脏病的扩大可能表明严重的先天性心脏病或其他并发症.
- 通过产前超声波进行早期检测至关重要,但目前的手册评估是主观和不一致的.
- 自动化这种评估可以提高诊断的准确性和效率.
研究的目的:
- 开发和评估用于自动化胎儿心脏扩大评估的深度学习模型.
- 为了比较不同YOLO架构的性能和对此任务的增强.
- 为产前查中的超声波仪提供可靠的计算机辅助工具.
主要方法:
- 使用了你只看一次 (YOLO) 深度学习架构,特别是YOLOv8.
- 整合了一个卷积块注意模块 (CBAM) 和ResNeXtBlock以提高性能.
- 在胎儿超声波视频数据集上训练和测试模型.
主要成果:
- 使用CBAM的YOLOv8在检测胎儿心脏扩大时的自我注意力优于YOLOv11.
- 添加ResNeXtBlock进一步提高了模型准确性和预测一致性.
- 开发的模型在识别胎儿心脏扩大方面表现出强大的能力.
结论:
- 拟议的深度学习方法提供了一种可靠的,自动化的方法来评估胎儿心脏扩大.
- 这种人工智能工具有可能通过实现更早,更准确的诊断来增强产前护理.
- 需要进一步验证以确认临床适用性和改善新生儿健康结果.
