Resumen

El objetivo de este estudio fue investigar el valor de la tomografía computarizada por emisión de fotón único (SPECT) basada en el algoritmo de red neuronal convolucional (CNN) en enfermedades tiroideas. Treinta y cinco pacientes con enfermedad tiroidea del hospital fueron seleccionados como grupo de observación, y otros 35 voluntarios sanos fueron seleccionados como grupo de control. El modelo construido de SPECT basado en el algoritmo de CNN fue comparado con el algoritmo de red neuronal de retropropagación (BPNN), que luego fue aplicado al SPECT de 35 pacientes con enfermedad tiroidea. Resultó que a medida que aumentaba el número de iteraciones, el entrenamiento de parámetros de CNN fue gradualmente suficiente, el modelo de red fue continuamente optimizado y la precisión aumentó gradualmente. A partir de los resultados de los datos, el valor de Dice del algoritmo de CNN propuesto fue mayor que el del algoritmo BPNN y el efecto de segmentación fue relativamente bueno. El índice visual de la tiroides/cuello del grupo de observación (2

• 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; SPECT; Algoritmo CNN; Enfermedades de la tiroides; Efecto de segmentación; Diagnóstico
• Keywords:Study; SPECT; CNN algorithm; Thyroid diseases; Segmentation effect; Diagnosis