WFRF:(Jahr John)
Sökning: WFRF:(Jahr John) > Deep Learning on Ul...
- 1 av 6
- Föregående post
- Nästa post
- Till träfflistan
Deep Learning on Ultrasound Images Visualizes the Femoral Nerve with Good Precision
-
- Berggreen, Johan (författare)
- Lund University,Lunds universitet,Medicinsk teknik, Lund,Sektion V,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,LTH profilområde: Teknik för hälsa,LTH profilområden,Lunds Tekniska Högskola,Biomedical Engineering, Lund,Section V,Department of Clinical Sciences, Lund,Faculty of Medicine,LTH Profile Area: Engineering Health,LTH Profile areas,Faculty of Engineering, LTH,Skåne University Hospital
-
- Johansson, Anders (författare)
- Lund University,Lunds universitet,Medicinsk teknik, Lund,Sektion V,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,LTH profilområde: Teknik för hälsa,LTH profilområden,Lunds Tekniska Högskola,Biomedical Engineering, Lund,Section V,Department of Clinical Sciences, Lund,Faculty of Medicine,LTH Profile Area: Engineering Health,LTH Profile areas,Faculty of Engineering, LTH
-
- Jahr, John (författare)
- Lund University,Lunds universitet,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,Department of Clinical Sciences, Lund,Faculty of Medicine
- visa fler...
- visa färre...
- (creator_code:org_t)
- 2023-01-07
- 2023
- Engelska.
- Ingår i: Healthcare (Switzerland). - : MDPI AG. - 2227-9032. ; 11:2
- Tidskriftsartikel (refereegranskat)
Abstract
Ämnesord
Stäng
- The number of hip fractures per year worldwide is estimated to reach 6 million by the year 2050. Despite the many advantages of regional blockades when managing pain from such a fracture, these are used to a lesser extent than general analgesia. One reason is that the opportunities for training and obtaining clinical experience in applying nerve blocks can be a challenge in many clinical settings. Ultrasound image guidance based on artificial intelligence may be one way to increase nerve block success rate. We propose an approach using a deep learning semantic segmentation model with U-net architecture to identify the femoral nerve in ultrasound images. The dataset consisted of 1410 ultrasound images that were collected from 48 patients. The images were manually annotated by a clinical professional and a segmentation model was trained. After training the model for 350 epochs, the results were validated with a 10-fold cross-validation. This showed a mean Intersection over Union of 74%, with an interquartile range of 0.66–0.81.
Ämnesord
- MEDICIN OCH HÄLSOVETENSKAP -- Klinisk medicin -- Radiologi och bildbehandling (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Clinical Medicine -- Radiology, Nuclear Medicine and Medical Imaging (hsv//eng)
Nyckelord
- artificial intelligence
- deep learning
- hip fracture
- nerve blocks
- ultrasound
Publikations- och innehållstyp
- art (ämneskategori)
- ref (ämneskategori)
Hitta via bibliotek
- Healthcare (Switzerland) (Sök värdpublikationen i LIBRIS)
Till lärosätets databas
- 1 av 6
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Berggreen, Johan
- Johansson, Ander ...
- Jahr, John
- Möller, Sebastia ...
- Jansson, Tomas
- Om ämnet
-
- MEDICIN OCH HÄLSOVETENSKAP
- MEDICIN OCH HÄLS ...
- och Klinisk medicin
- och Radiologi och bi ...
- Artiklar i publikationen
- Healthcare (Swit ...
- Av lärosätet
- Lunds universitet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
