Resumen

La red neuronal convolucional 3D es capaz de hacer uso de toda la información contextual 3D no lineal de la detección de nódulos pulmonares a partir de las imágenes DICOM (Digital Imaging and Communications in Medicine), y la activación de clases ponderada por gradiente ha demostrado ser útil para adaptar las tareas de clasificación e interpretación de la localización a las características de grano fino y la explicación visual del funcionamiento interno. La activación de clase ponderada por gradiente desempeña un papel crucial para clínicos y radiólogos en términos de confianza y adopción del modelo. Los facultativos no sólo confían en un modelo que pueda proporcionar una alta precisión, sino que también desean realmente ganarse el respeto de los radiólogos. Así pues, en este artículo exploramos la clasificación de nódulos pulmonares utilizando la improvisada AlexNet 3D con arquitectura ligera. Nuestra red empleó toda la naturaleza de la estrategia de red multivista. Hemos llevado a cabo la clasificación binaria (benigno y maligno) en imágenes de tomografía computarizada (TC) del conglomerado de bases de datos LUNA 16 y de la iniciativa de recursos de imágenes de bases de datos. Los resultados obtenidos son a través de la validación cruzada de 10 veces. Los resultados experimentales han demostrado que la arquitectura ligera propuesta alcanzó una precisión de clasificación superior del 97,17% en el conjunto de datos LUNA 16 en comparación con los algoritmos de clasificación existentes y también con las imágenes de TC de baja dosis.

• 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:arquitectura ligera, red neuronal convolucional 3D, iniciativa de recursos de imagen de base de datos, información de contexto 3D no lineal completa, Activación de Clase Gradiente, clasificación de nódulos pulmonares, detección de nódulos pulmonares, estrategia de red multivista, precisión de clasificación superior, LUNA
• Keywords:lightweight architecture, 3D convolutional neural network, database image resource initiative, full nonlinear 3D context information, Gradient Class Activation, lung nodule classification, lung nodule detection, multiview network strategy, superior classification accuracy, LUNA