CLASSIFICATION ET SEGMENTATION DE L'ÉCHO 3D FŒTAL UTILISANT DES CARACTÉRISTIQUES DE COULEUR ET DE TEXTURE POUR LA DÉTECTION DE TR

Résumé

La régurgitation tricuspide (TR) est une condition dans laquelle la valve située entre l'oreillette droite et le ventricule droit ne se ferme pas correctement. Par conséquent, le sang s’écoule vers la chambre supérieure droite. Le plus souvent, la régurgitation tricuspide est causée par une hypertrophie du ventricule droit. Dans cet article, une nouvelle technique d’apprentissage en profondeur appelée approche d’identification de la régurgitation tricuspide dans le cœur fœtal (TRI-FH) a été proposée, pour identifier la TR à un stade précoce. Les images d'écho 3D collectées sont prétraitées pour améliorer la qualité des images. Les techniques d'extraction de caractéristiques, à savoir la matrice de cooccurrence de niveau de couleur (CLCM) et la matrice de cooccurrence de niveau de gris (GLCM), sont appliquées à la fois aux images RVB et aux images grises. Les caractéristiques extraites sont extraites à l'aide de la méthode wrapper et la technique de réduction de dimension non supervisée, à savoir l'analyse de composants indépendants (ICA), est utilisée pour réduire la dimension des caractéristiques extraites. Ensuite, le réseau Ghost basé sur l’apprentissage profond est utilisé pour classer les cas de TR normaux, légers et graves. Les cas TR classés sont introduits dans la phase de segmentation pour segmenter la valve affectée du fœtus. L'approche expérimentale TRI-FH atteint une précision totale de 98,07 %. Par rapport aux techniques existantes, la méthode TRI-FH proposée présente des performances supérieures en termes d'exactitude, de précision, de rappel, de spécificité et de score F1. Le modèle TRI-FH proposé améliore la précision totale de 95,64 %, 97,82 %, 93,21 % et 95,67 % mieux que ResNet, DenseNet, LinkNet et U-Net respectivement.