Resumen

La clasificación automática de fracturas trocantéricas de fémur es muy valiosa en la práctica clínica de diagnóstico. Sin embargo, desarrollar un sistema de alto rendimiento en la clasificación sigue siendo un desafío debido a las diferentes ubicaciones, formas e información contextual de las regiones fracturadas. Para abordar este desafío, proponemos una nueva red densa dilatada atenta (DDA) para una clasificación más precisa de las fracturas 31A1/31A2/31A3 a partir de imágenes de rayos X al incorporar una capa DDA. Al explotar esta capa, se codifican las características multiscale, contextuales y atentas desde diferentes profundidades de la red y, por lo tanto, se mejora la capacidad de aprendizaje de características de la red de clasificación para lograr un mejor rendimiento en la clasificación. Para validar la efectividad de la red DDA, realizamos experimentos extensos en muestras de datos de fracturas trocantéricas de fémur anotadas, y los resultados experimentales demuestran que la red DDA propuesta

• 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:Clasificación; Fractura trocantérea del fémur; Red DDA; Imágenes de rayos X; Fracturas; Rendimiento de la clasificación
• Keywords:Classification; Femur trochanteric fracture; DDA network; X-ray images; Fractures; Classification performance