Resumen

El objetivo de este estudio era realizar la segmentación y extracción de imágenes de TC de nódulos pulmonares basándose en redes neuronales convolucionales (CNN). El modelo de algoritmo Mask-RCNN es un modelo típico de segmentación de imágenes de extremo a extremo, que utiliza la estructura R-FCN para la detección de nódulos. Se analizó el efecto de aplicar los dos modelos de algoritmo al diagnóstico por tomografía computarizada (TC) de nódulos pulmonares, y se compararon diferentes índices de imágenes de TC de nódulos pulmonares en el examen de la función pulmonar tras la optimización del algoritmo. Un total de 56 pacientes diagnosticados de nódulos pulmonares mediante cirugía o punción fueron tomados como objeto de investigación. Basándose en el algoritmo Mask-RCNN, se propuso un modelo para el procesamiento de segmentación de imágenes de TC de nódulos pulmonares. Posteriormente, se utilizó el modelo 3D Faster-RCNN para etiquetar los nódulos pulmonares. Los resultados experimentales mostraron que el modelo del algoritmo Mask-RCNN entrenado puede completar eficazmente la tarea de segmentación de las imágenes de TC pulmonares, pero había una pequeña fluctuación en el límite. La velocidad del algoritmo R-FCN para la detección de nódulos fue de 0,172 segundos/imagen, y la precisión fue del 88,9%. Se realizaron tomografías computarizadas en los 56 pacientes basándose en un algoritmo de aprendizaje profundo. Los resultados mostraron que se confirmaron 30 casos de nódulos pulmonares malignos, y la precisión diagnóstica fue del 93,75%. Hubo 22 lesiones benignas, la precisión diagnóstica fue del 91,67%, y la precisión diagnóstica general fue del 92,85%. Este estudio mejoró eficazmente la eficacia diagnóstica de las imágenes de TC de los nódulos pulmonares, y se analizó y evaluó la precisión de las imágenes de TC en el diagnóstico de los nódulos pulmonares. Proporcionó apoyo teórico para el diagnóstico de seguimiento de los nódulos pulmonares y el tratamiento del cáncer de pulmón. También mejoró significativamente el efecto diagnóstico y la eficacia de detección de los nódulos pulmonares.

• 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:nódulos pulmonares, modelo de algoritmo RCNN, imágenes de TC, Máscara, diagnóstico, precisión diagnóstica, procesamiento de segmentación de imágenes de TC, modelo de segmentación de imágenes finales, imágenes de TC de nódulos pulmonares, redes neuronales convolucionales
• Keywords:pulmonary nodules, RCNN algorithm model, CT images, Mask, diagnosis, diagnostic accuracy, CT image segmentation processing, end image segmentation model, pulmonary nodule CT images, convolutional neural networks