Resumen

Este estudio propone un nuevo modelo de inteligencia artificial basado en tomografía computarizada cardiovascular para el reconocimiento más eficiente y preciso de la Tetralogía de Fallot (TOF). Nuestro modelo es una red neuronal convolucional de agrupación estocástica estructuralmente optimizada (SOSPCNN), que combina agrupación estocástica, optimización estructural y red neuronal convolucional. Además, se utiliza aumento de datos de múltiples maneras para superar el sobreajuste. Se emplea Grad-CAM para proporcionar explicabilidad al modelo SOSPCNN propuesto. Mientras tanto, se han desarrollado aplicaciones de escritorio y web basadas en este modelo SOSPCNN. Los resultados de diez ejecuciones de validación cruzada de 10 pliegues muestran que nuestro modelo SOSPCNN produce una sensibilidad de , una especificidad de , una precisión de , una exactitud de , un puntaje F1 de , un coeficiente de correlación de Matthews de , un índice de similitud de Fisher de , y un AUC de 0.9587. El método SOSPCNN tu

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Inteligencia artificial; Tomografía computarizada cardiovascular; Tetralogía de Fallot; SOSPCNN; Grad-CAM; Aumento de datos
• Keywords:Artificial intelligence; Cardiovascular computed tomography; Tetralogy of Fallot; SOSPCNN; Grad-CAM; Data augmentation