סגמנטציה אוטומטית מבוססת למידה עמוקה של העצב הסופרא-סקפולרי ומבנים סמוכים באולטרסאונד דינמי של אזור עצם הבריח

מה בדקו

החוקרים ביקשו להתגבר על הקושי בזיהוי העצב הסופרא-סקפולרי (SSN) באולטרסאונד, הנובע מגודלו הקטן ומהקונטרסט הנמוך שלו ביחס לרקמות סמוכות. לשם כך, הם פיתחו מודל למידה עמוקה מסוג Double U-Net, המיועד לסגמנטציה רב-מבנית של העצב, מקלעת הזרוע, עורק התת-בריח ושריר האומוהיואיד. המודל אומן על 80 סרטוני אולטרסאונד דינמיים וכלל בחינה של משתני תכנון שונים, כגון סוג האנקודר ופונקציות אובדן, כדי למטב את דיוק הזיהוי.

מה מצאו

המודל שפותח השיג שיפור משמעותי ומובהק סטטיסטית בביצועי הזיהוי בהשוואה למודל ה-U-Net הסטנדרטי. עבור העצב הסופרא-סקפולרי, ממוצע מדד הדיוק (Dice coefficient) עלה מ-0.51 ל-0.68, תוך הפגנת יציבות גבוהה יותר לאורך סרטוני הבדיקה. כמו כן, נמצא כי השימוש באנקודר VGG-19 ובפונקציית Focal loss תרם לתוצאות האופטימליות, מה שמעיד על הפוטנציאל הקליני של המודל ככלי אבחוני אמין למצבים של נוירופתיה סופרא-סקפולרית.

“המודל אומן על 80 סרטוני אולטרסאונד דינמיים וכלל בחינה של משתני תכנון שונים, כגון סוג האנקודר ופונקציות אובדן, כדי למטב את דיוק הזיהוי.”