Resumen

Este estudio se desarrolló para analizar el efecto de la aplicación de la ecografía cardíaca (CUS) en pacientes con enfermedad pulmonar obstructiva crónica (EPOC). Se construyó un algoritmo de red neuronal convolucional basado en región de máscara (Mask R-CNN) para la detección de enfermedades pulmonares basado en algoritmos de aprendizaje profundo, y se comparó con el algoritmo RetinaNet para la detección de enfermedades pulmonares. Los resultados mostraron que la sensibilidad, especificidad, precisión y tiempo de ejecución del algoritmo Mask R-CNN fueron estadísticamente mayores que los del algoritmo RetinaNet. Un total de 92 casos confirmados con enfermedades pulmonares por patología se establecieron como grupo experimental, incluyendo 23 casos de clasificación de EPOC para los niveles I, II, III y IV. Además, se seleccionaron 20 casos de adultos sanos como grupo de control. El grupo experimental se comparó con el grupo de control, a medida que la función pulmonar disminuía, el di

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Estudio; Ecocardiografía; CUS; Enfermedad pulmonar obstructiva crónica; EPOC; Mask R-CNN; Algoritmo; Detección de enfermedades pulmonares; Algoritmos de aprendizaje profundo; RetinaNet; Sensibilidad; Especificidad; Precisión; Tiempo de ejecución; Patología; Función pulmonar; Diámetro del atrio derecho; Diámetro del ventrículo derecho; Grosor de la pared anterior del ventrículo derecho; Fracción de eyección del ventrículo derecho; AWT-RV; Grosor del tabique interventricular; Volumen del ventrículo derecho en diástole final; Volumen del lumen bronquial; Detección; Evaluación.
• Keywords:Study; Cardiac ultrasound; CUS; Chronic obstructive pulmonary disease; COPD; Mask R-CNN; Algorithm; Lung disease detection; Deep learning algorithms; RetinaNet; Sensitivity; Specificity; Accuracy; Running time; Pathology; Lung function; Right atrium diameter; Right ventricle diameter; Right ventricular anterior wall thickness; Right ventricular ejection fraction; AWT-RV; Interventricular septal thickness; Right ventricular end-diastole volume; Bronchial lumen volume; Detection; Evaluation.