要約
胎児のモニタリングを強化することを目的とした革新的なインフォマティクス アプローチの開発は、生殖医療における急成長中の研究分野です。
妊娠転帰を改善するための人工知能 (AI) 技術に関して、いくつかのレビューが実施されています。
それらは、妊娠中の母親のケアなどの特定のデータに焦点を当てることによって制限されます。
この体系的な調査は、人工知能 (AI) が超音波 (US) 画像を介した胎児の成長の監視をどのように支援できるかを調査することを目的としています。
PubMed、Embase、PsycINFO、ScienceDirect、IEEE explore、ACM Library、Google Scholar、Web of Science など、8 つの医学およびコンピューター サイエンスの書誌データベースを使用しました。
2010 年から 2021 年の間に発表された研究を検索しました。研究から抽出されたデータは、ナラティブ アプローチを使用して合成されました。
検索された 1269 の研究のうち、調査のトピックに関連するクエリからの 107 の異なる研究を含めました。
2D 超音波画像 (n=88) は、3D および 4D 超音波画像 (n=19) よりも人気があることがわかりました。
分類が最もよく使用される方法 (n=42) で、セグメンテーション (n=31)、セグメンテーションと統合された分類 (n=16)、オブジェクト検出、回帰、強化学習などのその他の方法 (n=18) が続きます。
妊娠ドメイン内で最も一般的な領域は、胎児の頭 (n = 43)、次に胎児の体 (n = 31)、胎児の心臓 (n = 13)、胎児の腹部 (n = 10)、そして最後に胎児の顔 (n =
=10)。
最新の研究では、ディープ ラーニング技術が主に使用され (n=81)、続いて機械学習 (n=16)、人工ニューラル ネットワーク (n=7)、強化学習 (n=2) が使用されました。
AI 技術は、胎児の病気を予測し、妊娠中の胎児の解剖学的構造を特定する上で重要な役割を果たしました。
この技術を医師の観点から検証するには、AI とその病院環境での応用に関するパイロット研究や無作為化比較試験など、さらなる研究が必要です。
要約(オリジナル)
Developing innovative informatics approaches aimed to enhance fetal monitoring is a burgeoning field of study in reproductive medicine. Several reviews have been conducted regarding Artificial intelligence (AI) techniques to improve pregnancy outcomes. They are limited by focusing on specific data such as mother’s care during pregnancy. This systematic survey aims to explore how artificial intelligence (AI) can assist with fetal growth monitoring via Ultrasound (US) image. We used eight medical and computer science bibliographic databases, including PubMed, Embase, PsycINFO, ScienceDirect, IEEE explore, ACM Library, Google Scholar, and the Web of Science. We retrieved studies published between 2010 to 2021. Data extracted from studies were synthesized using a narrative approach. Out of 1269 retrieved studies, we included 107 distinct studies from queries that were relevant to the topic in the survey. We found that 2D ultrasound images were more popular (n=88) than 3D and 4D ultrasound images (n=19). Classification is the most used method (n=42), followed by segmentation (n=31), classification integrated with segmentation (n=16) and other miscellaneous such as object-detection, regression and reinforcement learning (n=18). The most common areas within the pregnancy domain were the fetus head (n=43), then fetus body (n=31), fetus heart (n=13), fetus abdomen (n=10), and lastly the fetus face (n=10). In the most recent studies, deep learning techniques were primarily used (n=81), followed by machine learning (n=16), artificial neural network (n=7), and reinforcement learning (n=2). AI techniques played a crucial role in predicting fetal diseases and identifying fetus anatomy structures during pregnancy. More research is required to validate this technology from a physician’s perspective, such as pilot studies and randomized controlled trials on AI and its applications in a hospital setting.
arxiv情報
| 著者 | Mahmood Alzubaidi,Marco Agus,Khalid Alyafei,Khaled A Althelaya,Uzair Shah,Alaa Abd-Alrazaq,Mohammed Anbar,Michel Makhlouf,Mowafa Househ |
| 発行日 | 2022-08-25 14:44:06+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google