மின் பொறியியல் மற்றும் மின்னணு தொழில்நுட்ப இதழ்

சிஎம்ஆர் இமேஜிங்கில் எண்டோகார்டியத்தின் அடையாளம் மற்றும் பிரிவுக்கான யு-நெட் மாடல்

ஃபைசா அல் கிண்டி 

நோக்கம் - கார்டியாக் மேக்னடிக் ரெசோனன்ஸ் இமேஜிங்கிலிருந்து இடது வென்ட்ரிகுலர் எஜெக்ஷன் பின்னத்தை (எல்விஇஎஃப்) கணக்கிடுவதற்கு, இடது வென்ட்ரிக்கிளின் உள் எண்டோகார்டியல் சுவரைக் கண்டறிந்து பிரிப்பதற்கு யு-நெட் மாடலைப் பயன்படுத்துதல்.

பின்னணி- கார்டியாக் மேக்னடிக் ரெசோனன்ஸ் இமேஜிங் (சிஎம்ஆர்) இதயத்தின் அமைப்பு மற்றும் செயல்பாட்டை அளவு அளவீடுகள் மூலம் மதிப்பிடுவதற்கு வழக்கமாகப் பயன்படுத்தப்படுகிறது. இடது வென்ட்ரிகுலர் எஜெக்ஷன் பின்னம் (LVEF) எல்வி செயல்பாட்டிற்கான மிக முக்கியமான அளவுருக்களில் ஒன்றாகும். பல சிகிச்சை தலையீடுகளுக்கான அறிகுறியைத் தீர்மானிக்க மருத்துவ ரீதியாகப் பயன்படுத்தப்படும் இருதய விளைவுகளின் முக்கியமான முன்கணிப்பு குறிகாட்டியாகும். இடது வென்ட்ரிக்கிளின் துல்லியமான பிரிவு LVEF ஐக் கணக்கிடுவதற்கான இன்றியமையாத படியாகும். எங்களின் மையத்தில் தற்போது நடைமுறையில் உள்ள நடைமுறை என்னவென்றால், இடது வென்ட்ரிகுலர் இன்னர் காண்டூரை கைமுறையாக தேர்ந்தெடுத்து, பச்சையான சிஎம்ஆர் படங்களில் வரையறுப்பதாகும். இது நேரத்தைச் செலவழிக்கும் செயல்முறையாகும், மேலும் பயனரால் தூண்டப்பட்ட சார்புக்கு ஆளாகிறது, எனவே தவறான-நேர்மறை மற்றும் தவறான-எதிர்மறை முடிவுகள்.

முறை - யு-நெட் டீப் லேர்னிங் மாடல் உயிரியல் மருத்துவப் பிரிவுக்காக குறிப்பாக உருவாக்கப்பட்டது மற்றும் குறைவான பயிற்சி மாதிரிகளுடன் திறம்பட செயல்படுவதை நிரூபித்துள்ளது. எனவே, துல்லியமான தானியங்கி இடது வென்ட்ரிக்கிள் கண்டறிதல் மற்றும் பிரித்தல் கருவியைச் செயல்படுத்தவும் மதிப்பீடு செய்யவும் U-Net மாடலைப் பயன்படுத்தினோம். சாதாரண LVEF மற்றும் இதயத்தின் இயல்பான உடற்கூறியல் அமைப்புகளைக் கொண்ட நோயாளிகளிடமிருந்து 4050 குறுகிய-அச்சு படங்களைக் கொண்ட எங்கள் உள்ளூர் மருத்துவத் தரவுகளில் U-Net மாடல் பயிற்சியளிக்கப்பட்டு மதிப்பீடு செய்யப்பட்டது. அனுபவம் வாய்ந்த இரண்டு கதிரியக்க வல்லுனர்களால் கையேடு விளக்கங்கள் செய்யப்பட்டன. மாதிரியின் செயல்திறன் துல்லியம், துல்லியம், நினைவுகூருதல் மற்றும் யூனியன் (IoU) ஆகியவற்றின் மீது பல புள்ளியியல் அளவுருக்களைப் பயன்படுத்தி மதிப்பீடு செய்யப்பட்டது. முடிவுகள்- 810 படங்களின் சோதனைத் தொகுப்புடன், U-Net மாடல் அனைத்து நோயாளிகளிடமிருந்தும் cMR குறுகிய-அச்சுப் படங்களில் இடது வென்ட்ரிக்கிள் இருப்பதையும் இல்லாமையையும் கண்டறிய வெற்றி பெற்றது. மேலும், இந்த முறை 91.86% திரும்பப் பெறுதல், 97.16% துல்லியம், 99.82% துல்லியம் மற்றும் 83.65% இன் குறுக்குவெட்டு யூனியன் (IoU) ஆகியவற்றுடன் எண்டோகார்டியத்தின் தானியங்கி கண்டறிதல் மற்றும் பிரிவு ஆகியவற்றில் உயர் செயல்திறனை அடைந்தது. முடிவு- U-Net மாடல் ஒவ்வொரு ஸ்கேன்க்கும் ஒரு நிமிடத்திற்கும் குறைவான நேரத்தில் அதிக கண்டறிதல் துல்லியத்துடன் இடது வென்ட்ரிக்கிள் பிரிவின் நல்ல செயல்திறனை அடைந்தது. இந்த கண்டுபிடிப்புகள் ஒரு பெரிய நோயாளி மக்கள்தொகையின் முழு மதிப்பீட்டை நடத்துவதை ஆதரிக்க போதுமானவை. முக்கிய வார்த்தைகள்: எம்ஆர்ஐ, கார்டியாக் செயல்பாடு, வெளியேற்ற பின்னம், செயற்கை நுண்ணறிவு, ஆழமான கற்றல், நரம்பியல் நெட்வொர்க், யு-நெட் மாடல், பிரிவு, கண்டறிதல்.

வரம்புகள்: 1.இரண்டு கதிரியக்க வல்லுனர்களால் பிரிவுகள் கைமுறையாக செய்யப்பட்டன. 2. வரையறுக்கப்பட்ட மாதிரி அளவு. நெறிமுறைக் குழு ஒப்புதல்: ஆம்.

இந்த ஆய்வுக்கான நிதி: போக்குவரத்து, தகவல் தொடர்பு மற்றும் தகவல் தொழில்நுட்ப அமைச்சகத்தின் மானியம்.