胎盘细分重新定义:对磁共振成像和超声波成像深度学习整合的审查
Asmaa Jittou1, Khalid El Fazazy2, Jamal Riffi2
1Laboratory of Computer Science, Innovation, and Artificial Intelligence, Faculty of Science Dhar El Mahraz, University Sidi Mohamed Ben Abdellah, 30000, Fes, Morocco. asmaa.jittou@usmba.ac.ma.
Visual computing for industry, biomedicine, and art
|July 15, 2025
概括
深度学习在医学成像,特别是MRI和超声波中显著改善了胎盘细分. 本综述强调了2019-2024年间的进展,加强了产前诊断和母胎健康.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 产前诊断 在产前诊断
背景情况:
- 胎盘细分对于产前成像分析至关重要,但由于胎儿运动,胎盘变化和图像质量问题而面临挑战.
- 现有的细分方法往往难以变化,影响定量分析.
- 深度学习为跨不同数据集的高性能胎盘细分提供了一个有希望的解决方案.
研究的目的:
- 审查深度学习技术的最新进展,用于MRI和超声波中的胎盘细分,从2019年到2024年.
- 综合研究,扩大知识,并突出深度学习在产前诊断中的潜力.
- 讨论对母亲和胎儿健康的挑战和影响.
主要方法:
- 关于胎盘细分中的深度学习应用的文献综述.
- 专注于2019年至2024年间发表的研究.
- 分析跨MRI和超声波模式的细分性能.
主要成果:
- 深度学习技术在医学成像中展示了胎盘的高细分性能.
- 最近的研究表明,深度学习模型在处理胎儿位置和胎盘发育变化的有效性.
- 整合MRI和超声波数据可以提高细分精度.
结论:
- 深度学习正在通过增强的胎盘细分来改变产前诊断.
- 选择适当的成像模式和模型架构对于临床场景至关重要.
- 解决技术成本等挑战对于更广泛的采用和改善孕产妇和胎儿的结果至关重要.


