A Deep Learning Solution for Automatic Fetal Neurosonographic Diagnostic Plane Verification Using Clinical Standard Constraints

در طی ارزیابی سونوگرافی روزانه مغز جنین برای برآورد بیومتری و تشخیص ناهنجاری های جنینی، هواپیما های تصویربرداری دقیق باید توسط متخصصان سونولوژیست به دنبال یک پروتکل تصویربرداری تعریف شده یا استاندارد بالینی، که ممکن است برای غیر کارشناسان برای انجام این کار دشوار باشد. این ارزیابی کمک می کند تا تخمین دقیق بیومتریک و تشخیص اختلالات مغزی ممکن را فراهم کند. ما یک روش یادگیری ماشین را برای ارزیابی به طور خودکار که تصاویر اولتراسوند ترانس تخمدان مغز جنین به طور صحیح به دست آمده و با استاندارد بالینی مورد نیاز آشنا هستند، توصیف می کنیم. ما یک راه حل آموزشی عمیق ارائه می دهیم که مشکل را به سه مرحله تقسیم می کند: (1) محلی سازی دقیق مغز جنین؛ (2) تشخیص مناطق که دارای ساختارهای مورد علاقه هستند؛ و (3) یادگیری الگوهای صوتی در مناطق که تایید هواپیما ما روش شناسی توسعه یافته را در یک داده بالینی داده های واقعی در جهان از تصاویر جنین دوساله حاملگی بدست می آوریم. ما نشان می دهیم که روش تایید اتوماتیک به ارزیابی کارشناسان انسانی بستگی دارد.