Resumen

Este estudio tenía como objetivo analizar el efecto de la aplicación combinada de la tecnología de aprendizaje profundo y las imágenes de ultrasonido en el efecto de la cirugía conservadora de mama para el cáncer de mama. Se diseñó un modelo de aprendizaje profundo de distribución de etiquetas (LDL), y se introdujeron para su comparación el algoritmo de segmentación semiautomática basado en la tecnología de crecimiento de región y contorno activo (RA) y el modelo de segmentación basado en vecinos más cercanos optimizados (ON). El algoritmo diseñado se aplicó a la cirugía conservadora de mama de pacientes con cáncer de mama. De acuerdo con la diferencia en los métodos de guía intraoperatoria, 102 pacientes mujeres con cáncer de mama temprano se dividieron en tres grupos: 34 casos en el grupo W1 (guía de ultrasonido basada en el modelo de segmentación de aprendizaje profundo), 34 casos en el grupo W2 (guía de ultrasonido) y 34 casos en el grupo W3 (guía de palpación). Los resultados revelaron que el área tumoral segmentada por el algoritmo LDL construido en este estudio estaba más cerca del área tumoral real; los valores de precisión de segmentación (AC), Jaccard y verdadero positivo (TP) del algoritmo LDL fueron obviamente mayores que los de los algoritmos RA y ON, mientras que el valor falso positivo (FP) fue significativamente menor en contraste con los algoritmos RA y ON, mostrando diferencias estadísticamente observables (P < 0.05); el volumen de resección real de los pacientes del grupo W1 fue el más cercano al volumen de resección ideal, que fue mucho menor en contraste con el de los pacientes de los grupos W2 y W3, mostrando diferencias estadísticas (P < 0,05); los márgenes positivos de los pacientes del grupo W1 fueron estadísticamente inferiores a los de los grupos W2 y W3 (P < 0,05). Además, 1 paciente del grupo W1 no estaba satisfecha con el efecto cosmético, 3 pacientes del grupo W2 no estaban satisfechas con el efecto cosmético y 9 pacientes del grupo W3 no estaban satisfechas con el efecto cosmético. Por último, se comprobó que la imagen ecográfica basada en el modelo LDL profundo mejoraba eficazmente el AC de resección tumoral y los márgenes negativos, reducía la probabilidad de extirpación de tejido normal y mejoraba el efecto cosmético postoperatorio de la mama.

• 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:Grupo W1, pacientes, efecto cosmético, P, RA, mama, casos, algoritmo LDL, algoritmos ON, grupo W2
• Keywords:W1 group, patients, cosmetic effect, P, RA, breast, cases, LDL algorithm, ON algorithms, W2 group