Neurosono-net: deep learning para la detección de anomalías del cerebro fetal mediante ultrasonografía

Autores/as

  • Carlos Rojas-Azabache Universidad Nacional Mayor de San Marcos, Facultad de Medicina San Fernando. Lima. Perú
  • Thalia Romero-Olortiga Universidad Nacional Mayor de San Marcos, Facultad de Medicina San Fernando. Lima. Perú

DOI:

https://doi.org/10.15381/risi.v15i2.24782

Palabras clave:

Ultrasonido fetal, Ultrasonografía fetal, Neurosonografía, aprendizaje profundo

Resumen

El diagnóstico de anomalías cerebrales fetales a través del uso de ecografía es importante debido a que las malformaciones congénitas cerebrales son una de las anomalías más comunes. La prevalencia de estas anomalías es desconocida, ya que algunos casos no se manifiestan hasta etapas posteriores de la vida y la mayoría ocurren en personas que no están en grupos de riesgo. Muchas de estas anomalías no tienen tratamiento disponible y pueden ser graves y permanentes, por lo que es importante realizar un diagnóstico y pronóstico precisos para poder brindar asesoramiento y manejo multidisciplinario. El objetivo de este trabajo es implementar una arquitectura de deep learning que utilice imágenes de ultrasonido de cerebro fetal para la detección automática de anomalías en los planos estándar. Para ello utilizaremos la arquitectura Faster R-CNN, el cual podría ser de gran utilidad para lugares remotos donde no se cuenta con un profesional especialista en ecografía; a su vez, también puede servir de apoyo para el entrenamiento ecográfico de los profesionales que realicen este procedimiento.

Descargas

Los datos de descarga aún no están disponibles.

Descargas

Publicado

2022-12-30

Número

Sección

Artículos de Investigaciones Originales

Cómo citar

[1]
“Neurosono-net: deep learning para la detección de anomalías del cerebro fetal mediante ultrasonografía”, Rev.Investig.sist.inform., vol. 15, no. 2, pp. 123–128, Dec. 2022, doi: 10.15381/risi.v15i2.24782.