Resumen

Este estudio tuvo como objetivo explorar la aplicación de algoritmos de redes neuronales de aprendizaje profundo (DLNN) para identificar y optimizar la imagen ecográfica con el fin de analizar el efecto y el valor en el diagnóstico de malformaciones del sistema nervioso central fetal (CNSM). Se seleccionaron 63 mujeres embarazadas que estaban ingresadas en el hospital y se sospechaba que tenían CNSM fetal como objetos de investigación. Las imágenes ecográficas se reservaron en duplicado, y un grupo se definió como grupo de control sin ningún procesamiento, mientras que las imágenes en el grupo experimental se procesaron con el algoritmo de red neuronal convolucional (CNN) para identificar y optimizar. Se observaron y compararon los resultados de la ecografía y las pruebas patológicas antes, durante y después del embarazo. Los resultados mostraron que los resultados de las pruebas en el grupo experimental estaban más cerca de la ecografía posparto y los resultados de la prueba patológica, pero los resultados en ambos grupos no mostraron diferencias estadísticas en comparación con los resultados posparto en cuanto

• 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:Red neuronal de aprendizaje profundo; Imagen de ultrasonido; Malformación del sistema nervioso central fetal; Red neuronal convolucional; Resultados del examen de ultrasonido; Etapas del embarazo
• Keywords:Deep learning neural network; Ultrasound image; Fetal central nervous system malformation; Convolutional neural network; Ultrasound examination results; Pregnancy stages