بخش بندی و بازسازی سه بعدی بطن چپ قلب با استفاده از تصاویر اکوکاردیوگرام مبتنی بر روش های یادگیری عمیق

بیماری‌های قلبی عروقی، اصلی‌ترین عامل مرگ‌ومیر در جهان هستند که درمان بیماری های قلبی و عروقی مستلزم تشخیص زود هنگام و دقیق آن ها است. در این راستا سیستم های تصویربرداری تشخیصی، نقش به سزایی را در تعیین دقیق این پارامترها ایفا می کنند. امروزه اکوکاردیوگرام به عنوان تکنیکی رایج، مقرون به صرفه، غیریونیزان و بلادرنگ به صورت گسترده در دسترس می باشد و به منظور تشخیص در طیف وسیعی از بیماری های قلبی استفاده می شود. علیرغم مزایای اکوکاردیوگرافی در مقایسه با سایر روش ها، عدم امکان استخراج پارامترهای تشخیصی دقیق از تصاویر دو بعدی و با کیفیت پایین اکوکاردیوگرافی از محدودیت های جاری این سیستم تصویربرداری محسوب می شود. اگرچه تبدیل تصاویر دوبعدی اکوکاردیوگرام قلب به تصویر سه‌بعدی منجر به استخراج پارامترهای دقیق تر تشخیصی قلب برای مدیریت و تشخیص بیماری توسط پزشک می شود. این در حالی است که بسیاری از بیماری های قلبی عروقی با تعیین پارامترهای فیزیولوژیکی و آناتومیکی از بطن چپ قابل تشخیص هستند. با توجه به اهمیت مدل سه بعدی بطن چپ قلب از یک سو و محدودیت دسترسی به سیستم های تصویربرداری سه بعدی اکوکاردیوگرام از سوی دیگر، در نتیجه هدف از انجام این پژوهش، بخش بندی دقیق بطن چپ قلب از تصاویر دو بعدی اکوکاردیوگرام مبتنی بر روش های یادگیری عمیق و بازسازی سه بعدی دقیق آن در راستای ایجاد بستری مناسب برای پزشک جهت تعیین دقیق پارامترهای تشخیصی در فضای سه بعدی است.