KaydedilenlerDerginizi ekleyin

Dergiler / Acta Infologica / 2022 / Cilt: 6 Sayı: 2

Ultrason Görüntülerinden Fetus Sağlığının Bilgisayar Destekli Takibi: Bir İnceleme

Computer-Aided Monitoring of Fetus Health From Ultrasound Images: A Review

Deniz ATAS
Yonca BAYRAKDAR YILMAZ
Sayfa
283–302
Yayın Tarihi
2022-12-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Son olarak, fetüs sağlığının bilgisayar destekli izlenmesi üzerine güncel tekniklerle ilgili ana zorluklar ve araştırmaların gelecekteki yönü özetlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bilgisayar destekli tanı yöntemleri, tıp uzmanlarına yıllardır fetüs sağlığını izlemek için yardımcı olmaktadır.
📊
Temel Bulgular & Veri:Yeni yöntemlerin kullanılması, fetüsün sağlığının izlenmesinin yanı sıra anomalilerin tanısında da olumlu bir etki yaratmıştır.
💡
Sonuç & Katkı:Son olarak, fetüs sağlığının bilgisayar destekli izlenmesi üzerine güncel tekniklerle ilgili ana zorluklar ve araştırmaların gelecekteki yönü özetlenmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bilgisayar Destekli Tanı · Fetüs Sağlığı · Derin Öğrenme

Özet

Bilgisayar destekli tanı yöntemleri, tıp uzmanlarına yıllardır fetüs sağlığını izlemek için yardımcı olmaktadır. Yeni yöntemlerin kullanılması, fetüsün sağlığının izlenmesinin yanı sıra anomalilerin tanısında da olumlu bir etki yaratmıştır. Bu çalışma ilk olarak fetüste anomalileri tanımlamak için kullanılan göstergeleri tanıtır ve geleneksel görüntü işleme, makine öğrenimi ve derin öğrenme gibi bilgisayar tabanlı yöntemler hakkında temel bilgiler verir. Daha sonra, ultrason görüntülerinden fetüs sağlığının izlenmesi ve anomali tespitinde yeni teknikler kullanan mevcut çalışmalara genel bir bakış verilmiştir. Son olarak, fetüs sağlığının bilgisayar destekli izlenmesi üzerine güncel tekniklerle ilgili ana zorluklar ve araştırmaların gelecekteki yönü özetlenmiştir.

Abstract

Computer aided diagnostic methods have been helping medical experts for monitoring fetus health for many years. The use of new methods has made a positive effect in monitoring the health of fetus as well as the diagnosis of anomalies. This study first introduces the indicators for identifying anomalies in fetus and gives basic information about computer-based methods such as traditional image processing, machine learning and deep learning. Then an overview of existing studies which use novel techniques on monitoring fetus health and anomaly detection from ultrasound images is given. Finally, the main challenges of novel techniques and future directions of research on computer-aided monitoring of fetus health are summarized.

🔖

Bu Makaleye Atıf Yap

ATAS, D., YILMAZ, Y. B. (2022). Ultrason Görüntülerinden Fetus Sağlığının Bilgisayar Destekli Takibi: Bir İnceleme. Acta Infologica, Cilt: 6 Sayı: 2, 283–302. https://ajindex.com/articles/948330

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (1)

  1. Abdallah, Y., Daemen, A., Kirk, E., Pexsters, A., Naji, O., Stalder, J. Bourne, T. (2012). Limitations of Current Definitions of Miscarriage Using Mean Gestational Sac Diameter and Crown-Rump Length Measurements. Obstetrical & Gynecological Survey, 67(3), 146-147. https://doi.org/10.1002/ uog.10109 google scholar Alom, M. Z., Taha, T. M., Yakopcic, C., Westberg, S., Sidike, P., Nasrin, M.S. Asari, V. K. (2019). A State-of-the-Art Survey on Deep Learning Theory and Architectures. Electronics, 8(3), 292. https://doi.org/10.3390/electronics8030292 google scholar Amoah, B., Anto, E. A., & Crimi, A. (2015). Automatic fetal measurements for low-cost settings by using Local Phase Bone detection, 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), (pp. 161-164). google scholar Anjit, T. A., & Rishidas, S. (2011). Identification of nasal bone for the early detection of down syndrome using Back Propagation Neural Network. International Conference on Communications and Signal Processing (pp.136-140). google scholar Anzalone, A., Fusco, G., Isgro, F., Orlandi, E., Prevete, R., Sciortino, G. Valenti, C. (2013). A system for the automatic measurement of the nuchal translucency thickness from ultrasound video stream of the foetus. Proceedings of the 26th IEEE International Symposium on Computer-Based Medical Systems (pp. 239-244). google scholar Aydoğdu, A., Aydoğdu, Y., & Yakıncı, Z. (2017). Temel Radyolojik İnceleme Yöntemlerini Tanıma [Recognition Of Basic Radiological Investigation Methods]. İnönü Üni. Sağlık Hizmetleri MYO Dergisi, 5(2), 44-53. google scholar Brattain, L. J., Telfer, B. A., Dhyani, M., Grajo, J. R., & Samir A. E. (2018). Machine learning for medical ultrasound: status, methods, and future opportunities. Abdominal Radiology, 43(4), 786-799. https://doi.org/10.1007/s00261-018-1517-0 google scholar Carneiro, G., Georgescu, B., Good, S., & Comaniciu, D. (2008). Detection and Measurement of Fetal Anatomies from Ultrasound Images using a Constrained Probabilistic Boosting Tree. IEEE Transactions on Medical Imaging, 27 (9), 1342-1355. https://doi.org/10.1109/tmi.2008.928917. google scholar Chakkarwar, V. A., Joshi, M. S., & Revankar, P. S. (2010). Automated analysis of gestational sac in medical image processing. In: IEEE 2nd International Advance Computing Conference (IACC) (pp. 304-309). google scholar Chaoui, R., Benoit, B., Mitkowska-Wozniak, H., Heling, K. S., & Nicolaides, K. H. (2009). Assessm