English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Pencitraan tulang menggunakan ultrasound adalah sebuah teknik pencitraan yang aman karena bebas radiasi dan non-invasive . Namun, mendeteksi dan menentukan lokasi tulang untuk menemukan region of interest (RoI) adalah pekerjaan yang tidak mudah karena sifat citra b-mode yang memiliki derau yang tinggi dan reverberation artifacts . Kualitas citra dipengaruhi oleh pengguna dan batas antar area jaringan tidak jelas sehingga menyulitkan interpretasi. Dalam makalah ini, pendekatan deep learning menggunakan Region Proposal Networks diaplikasikan untuk mendeteksi RoI tulang dalam citra b-mode secara otomatis. Model arsitektur Faster Region-based Convolutional Neural Network disesuaikan agar dapat mendeteksi RoI tulang. Untuk mengevaluasi hasil, eksperimen secara in-vivo dilakukan menggunakan spesimen lengan manusia. Sebanyak 1.066 citra b-mode tulang dari enam subjek yang berbeda digunakan dalam fase latih dan fase pengujian. Metode yang diusulkan berhasil menentukan RoI tulang dengan baik dengan nilai mAP, akurasi deteksi, dan akurasi penempatan RoI masing-masing sebesar sebesar 0,87, 98,33%, dan 95.99%.

Deteksi Region of Interest Tulang pada Citra B-mode secara Otomatis Menggunakan Region Proposal Networks