Resumen

Este trabajo tenía como objetivo explorar la precisión de las imágenes de resonancia magnética (IRM) basadas en el algoritmo de red neuronal convolucional (CNN) en el diagnóstico de pacientes con cáncer de próstata y la gradación del riesgo tumoral. Un total de 89 pacientes con cáncer de próstata e hiperplasia prostática benigna diagnosticados mediante examen de IRM y examen patológico en el hospital fueron seleccionados como objetos de investigación en este estudio (superaron los criterios de exclusión). Las imágenes de IRM de estos pacientes se recogieron en dos grupos y se dividieron en dos grupos antes y después del tratamiento en función de si se había utilizado el algoritmo CNN para procesarlas. Se compararon el número de enfermedades diagnosticadas y el número de casos de nivel de riesgo inferido a partir de la gradación del tumor para observar qué grupo se acercaba más al diagnóstico de la biopsia patológica. A través del análisis comparativo, en comparación con la tasa positiva del diagnóstico patológico (44%), la tasa positiva después del tratamiento del algoritmo CNN (42%) fue más similar a la de antes del tratamiento (34%), y la comparación fue estadísticamente marcada (P<0,05). En cuanto a la estratificación del riesgo, los resultados de la gradación tras el tratamiento (37 casos) se acercaban más a los resultados de la gradación patológica (39 casos) que los de antes del tratamiento (30 casos), y la comparación era estadísticamente evidente (P<0,05). Además, era obvio que las imágenes de TRM serían más claras después del tratamiento mediante la observación de las imágenes de TRM antes y después del tratamiento. En conclusión, el algoritmo de segmentación de imágenes de RMN basado en CNN fue más preciso en el diagnóstico y la estratificación del riesgo de cáncer de próstata que la RMN de rutina. Según la evaluación del coeficiente de similitud Dice (DSC) y la distancia Hausdorff I (HD), el método de segmentación CNN utilizado en este estudio fue más perfecto que otros métodos de segmentación.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:tratamiento, casos, diagnóstico, algoritmo CNN, imágenes MRT, tasa de positivos, cáncer de próstata, estratificación del riesgo, algoritmo de segmentación de imágenes MRI, método de segmentación CNN
• Keywords:treatment, cases, diagnosis, CNN algorithm, MRT images, positive rate, prostate cancer, risk stratification, MRI image segmentation algorithm, CNN segmentation method