Sökning: "echocardiography"

Visar resultat 1 - 5 av 65 uppsatser innehållade ordet echocardiography.

  1. 1. Despeckling Echocardiograms Using Generative Adversarial Networks

    Master-uppsats, Göteborgs universitet/Institutionen för data- och informationsteknik

    Författare :Falk DIppel; [2023-10-23]
    Nyckelord :Generative adversarial network; deep learning; echocardiography; speckle noise; denoising; segmentation;

    Sammanfattning : Previous research had shown that generative adversarial networks (GANs) are capable of despeckling echocardiograms (echos) through image-to-image translation in real-time once trained. However, only limited information regarding the quality of denoised echos and explainability of useful GAN components is provided. LÄS MER

  3. 2. Physiology-Guided Machine Learning for Improved Reliability of Non-Invasive Assessment of Pulmonary Hypertension

    Master-uppsats, Linköpings universitet/Avdelningen för medicinsk teknik

    Författare :Frida Hermansson; [2023]
    Nyckelord :Pulmonary Hypertension; pulmonary hypertension; improving; physiological-guided; machine learning; neural networks; NN; artificial neural networks; non-invasive; PH; tricuspid regurgitation; peak tricuspid regurgitation velocity; tricuspid regurgitation velocity; right ventricular systolic pressure; VGG16; Unet; TR-CNN; CNN; pulmonell hypertension; förbättra; fysiologisk-guidning; neurala nätverk; trikuspidal regurgitation; maximal trikuspidal regurgitation; icke-invasivt;

    Sammanfattning : Diagnosing pulmonary hypertension (PH) with right heart catheterization (RHC) is associated with a risk for complications and high expenses, leading to late diagnoses [1]. Transthoracic echocardiography can be used to assess non-invasive indicators for PH such as right ventricular systolic pressure (RVSP), which can be estimated by combining the peak tricuspid regurgitation velocity (TRV) with the estimated right arterial pressure (RAP). LÄS MER

  4. 3. Sambandet mellan TAPSE och RVs´ vid bedömning av RV:s funktion med ekokardiografi hos hjärtfriska individer : En jämförande studie

    Kandidat-uppsats, Jönköping University/HHJ, Avdelningen för naturvetenskap och biomedicin

    Författare :Hamsho Wafaa; Sousan Hosseinzadeh; [2023]
    Nyckelord :Right ventricular systolic function; interobserver variation; agreement; Högerkammare systolisk funktion; interobservatörsvariation; överensstämmelse;

    Sammanfattning : Högerkammare (RV) har en komplex anatomi, spelar en viktig roll för blodsyresättning och kan påverkas av fler patofysiologiska tillstånd. Utvärdering av RV:s funktion är viktig för överlevnad och har prognostiskt värde vid hjärt-och lungsjukdomar. Transthorakal ekokardiografi (TTE) används för RV:s storlek- och funktionsbedömning. LÄS MER

  5. 4. Jämförelse mellan tvådimensionell- och tredimensionell ekokardiografi : Avseende vänsterkammarvolym och ejektionsfraktion

    Kandidat-uppsats, Jönköping University/HHJ, Avdelningen för naturvetenskap och biomedicin

    Författare :Amanda Heiel; Elin Bergenbrink; [2023]
    Nyckelord :Intraobserver variation; operator dependent; endocardium; Intraobservatörsvariation; handhavarberoende; endokardium;

    Sammanfattning : Ultraljud är en metod som kan användas för att bedöma hjärtfunktionen, en så kallad ekokardiografi undersökning. Ekokardiografi är en svårbemästrad metod som är mycket beroende av handhavaren. Tvådimensionell ekokardiografi är en etablerad metod som används inom klinisk diagnostik. LÄS MER

  7. 5. Regularizing Vision-Transformers Using Gumbel-Softmax Distributions on Echocardiography Data

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Alfred Nilsson; [2023]
    Nyckelord :Deep Learning; Vision-Transformers; Echocardiography; Feature Selection; Gumbel-Softmax; Concrete Autoencoders; Regression; Djupinlärning; Vision-Transformers; Ekokardiografi; Feature Selection; GumbelSoftmax; Concrete Autoencoders; Regression;

    Sammanfattning : This thesis introduces an novel approach to model regularization in Vision Transformers (ViTs), a category of deep learning models. It employs stochastic embedded feature selection within the context of echocardiography video analysis, specifically focusing on the EchoNet-Dynamic dataset. LÄS MER