Small bowel motility assessment based on fully convolutional networks and long short-term memory

ارزیابی تحرک روده کوچک نقش مهمی در تشخیص بیماری روده کوچک دارد. روش های ارزیابی متعارف به ویژگی های دست طراحی شده و یا دستورالعمل راهنمای خطی مربوط می شود که به مدل سازی دشوار و مصرف زمان بالا منجر می شود، بنابراین برای استفاده بالینی هنوز هم ناکارآمد و غیر عملی است. با کمک شبکه های عصبی عمیق، ما یک رویکرد نیمه خودکار را معرفی کردیم، با جایگزینی ویژگی های دستی با قابلیت استخراج ویژگی های خودکار و یک رویکرد خودکار، حذف دستورالعمل راهنمای خطی برای ارزیابی حرکت روده کوچک با استفاده از رسم های قطر مقطع عرضی در تصاویر روده کوچک، اندازه گیری نوسانات زمانی طول قطر و ارزیابی فرکانس انقباض. نتایج آزمایش نشان می دهد که روش های پیشنهادی می توانند به طور صحیح میزان انقباض روده کوچک را تخمینی کنند. تفاوت بین طول قطر پیش بینی شده و یک علامت به صورت دستی در محدوده معقول است و فرکانس تخمین زده نزدیک به زمین زمین است. بنابراین، روش های پیشنهادی می تواند برای تشخیص بیماری های روده کوچک مورد استفاده قرار گیرد که به رادیولوژیست در تصمیم گیری کمک می کند.