Biblioteca122.294 documentos en línea

Artículo

SOSPCNN: Structurally Optimized Stochastic Pooling Convolutional Neural Network for Tetralogy of Fallot RecognitionSOSPCNN: Red Neuronal Convolucional con Agrupamiento Estocástico Optimizado Estructuralmente para el Reconocimiento de la Tetralogía de Fallot

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

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento