چکيده
بيماري‌هاي قلبي عروقي (CVD ها)علت اصلي مرگ و مير در سراسر جهان هستند . اولين گام براي كنترل و درمان اين بيماري‌ها يك تشخيص دقيق است، كه توسط ابزارهاي تشخيصي مانند سيستم‌هاي تصويربرداري (مانند اكوكارديوگرافي، آنژيوگرافي، تصويربرداري تشديد مغناطيسي و غيره)قابل‌دستيابي است. اكوكارديوگرافي دو بعدي (اكو دو بعدي)به دليل زمان دستيابي سريع، هزينه كم و وضوح زماني بالا، به طور گسترده‌اي به عنوان روش تصويربرداري غير تهاجمي مورد استفاده قرار مي‌گيرد. شناسايي مرزي بطن چپ (LV)در اكو 2 بعدي، يعني قطعه‌بندي تصوير، اولين گام براي محاسبه پارامترهاي باليني مربوطه است. در حال حاضر، تقسيم‌بندي LV در اكو دو بعدي در درجه اول به صورت نيمه دستي انجام مي‌شود. قطعه‌بندي تمام‌خودكار ديوار LV نياز به توسعه بيشتري دارد.يادگيري عميق نيز ابزار جديدي است كه باعث تحول در قطعه بندي بطن چپ در تصاوير اكوكارديوگرافي شده است.در اين گزارش به بررسي روش هاي مختلف يادگيري عميق مانند:U-U_Net1,MFP-Unet,LU-Net -Net و U-Net2 و ...و نتايج حاصل از اين روش ها مي پردازيم.آزمايش ها و ارزيابي ها بر روي مجموعه داده هاي اماده شده توسط محققان و مجموعه داده عمومي و بزرگ CAMUS انجام شده است.بااستفاده از چندين معيار براي محاسبه درجه شباهت بين قطعه بندي دستي و خودكار به اين نتيجه رسيدند كه معماري هاي عميق عملكرد بهتري نسبت به معماري هاي غيرعميق مدرن دارند.
