Resumen

Este estudio tuvo como objetivo explorar imágenes de tomografía por emisión de positrones-tomografía computarizada (PET-TC) basadas en el algoritmo de máquina de vectores de soporte (SVM) para la clasificación de nódulos tiroideos (TN) y su valor de evaluación en la tasa de lesiones postoperatorias (PPIR) del nervio laríngeo recurrente (RLN). Los parámetros del algoritmo SVM fueron optimizados utilizando el algoritmo de optimización de enjambre de partículas (PSO). Un total de 58 pacientes diagnosticados con TN por PET/TC en un hospital fueron divididos en un grupo con nódulos benignos (grupo B, 25 casos) y un grupo con nódulos malignos (grupo M, 33 casos). Se analizaron las características de las imágenes de PET-TC y la diferencia en el valor máximo de captación estandarizada (SUV) de PET-TC. Se calculó la PPIR de RLN. Se encontró que cuando el número de iteraciones era 19, la aptitud y la precisión de clasificación del

• 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; Tomografía por emisión de positrones-tomografía computarizada; Imágenes PET-CT; Máquina de vectores de soporte; Algoritmo SVM; Nódulos tiroideos
• Keywords:Study; Positron emission tomography-computed tomography; PET-CT images; Support vector machine; SVM algorithm; Thyroid nodules