Resumen

Se investigaron las características de rendimiento de las imágenes de tomografía computarizada (TC) basadas en algoritmos de redes neuronales totalmente convolucionales de aprendizaje profundo (DLFCNN) en la detección y el diagnóstico de tejido de absceso perianal. Se seleccionaron 60 pacientes con diagnóstico médico de absceso perianal en el hospital como grupo experimental y 60 voluntarios sanos como grupo de control. En este estudio, el algoritmo DLFCNN basado en aprendizaje profundo se comparó con el algoritmo CNN y se aplicó al entrenamiento de segmentación de imágenes de TC de pacientes con abscesos perianales. A continuación, se compararon las métricas de segmentación Jaccard, coeficiente Dice, tasa de precisión y tasa de recuperación mediante la extracción de la región de interés. Los resultados mostraron que el coeficiente de Jaccard (0,7326) calculado por el algoritmo CNN era muy inferior al del algoritmo DLFCNN (0,8525), y el coeficiente Dice (0,7264) también era muy inferior al del algoritmo DLFCNN (0,8434) (P<0,05). El rango de grosor de la epidermis y la dermis en los pacientes del grupo experimental fue de 4,1-4,9 mm, notablemente superior al del grupo de control (1,8-3,6 mm) (P<0,05). Además, el valor CT de la fascia subcutánea en el grupo experimental (-95,45 ± 8,26) se redujo enormemente en comparación con el grupo de control (-76,34 ± 7,69) (P<0,05). La tasa de precisión de los pacientes con abscesos perianales fue del 96,67 y TC espiral multicorte (TCMC). Por lo tanto, el algoritmo DLFCNN de este estudio tenía una buena estabilidad y un buen efecto de segmentación. La piel en el lugar focal del absceso anal estaba obviamente engrosada, y era sencillo y preciso utilizar imágenes de TC en el diagnóstico de pacientes con abscesos perianales, lo que podía localizar eficazmente la lesión y aclarar la relación entre la lesión y la estructura circundante.

• 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:Algoritmo DLFCNN, abscesos perianales, pacientes, grupo de control, grupo experimental, algoritmo CNN, imágenes de TC, coeficiente Dice, red neuronal convolucional, buen efecto de segmentación.
• Keywords:DLFCNN algorithm, perianal abscesses, patients, control group, experimental group, CNN algorithm, CT images, Dice coefficient, convolutional neural network, good segmentation effect