机器学习的进步对胎儿和儿科心脏成像

在胎儿和儿科心脏病,成像,特别是超声心动图,帮助诊断和监测胎儿和儿童的危害心血管系统与先天畸形和其他异常胎儿宫内生长受限等条件。

然而,评估胎儿心脏仍然是具有挑战性的主要是由于胎儿的不随意运动,心脏的规模小,缺乏专业知识的胎儿超声心动图一些超声波检验师。此外,决策在胎儿和儿科心脏病通常是复杂的,特别容易受到许多直观推断和偏见。

因此,使用机器学习(ML)改善心脏图像的采集,提取的自动化测量,或帮助心脏异常的诊断是非常重要的为最优的评估胎儿和儿科心脏。还有一个缺乏专业知识在低收入国家做出诊断和管理一个挑战。少使用机器学习可以让训练有素的个人提供更高质量的保健在低资源环境。然而,尽管毫升在成人心脏成像的使用增加了指数在过去的几年中,有相对较少的报道ML-focused出版物在胎儿和儿童。

对于这个研究课题,我们要召集领域的最新进展在ML胎儿和儿科心脏成像,包括先进的图像采集、量化的心脏结构和功能,心血管疾病的诊断、治疗和预后。

我们欢迎提交的原始研究、评论文章、文章和其他类型包括但不限于范围广泛的主题:



- ML改善胎儿&儿科心脏超声图像采集包括图像模式,心脏磁共振和计算机断层扫描。

- ML胎儿&儿科心脏图像分割。

- ML胎儿&儿科心脏特征提取和图像量化。

- ML为提高疾病的诊断导致心脏重塑。