Resumen

Con el fin de mejorar la eficiencia del diagnóstico por imágenes temprano de pacientes con osteosarcoma y el efecto de la quimioterapia neoadyuvante basado en los resultados de los exámenes de imágenes, se seleccionaron 48 pacientes con sospecha de osteosarcoma como objetos de investigación y se regularizaron sus imágenes de resonancia magnética (RM) con imágenes de difusión ponderada (DWI) en este estudio. Luego, se estableció un modelo de discriminación de imágenes de DWI-RM basado en el algoritmo de red neuronal convolucional profunda estructurada por clases (CSDCNN). Se aplicaron el pico de relación señal-ruido (PSNR), el error cuadrático medio (MSE) y el índice de preservación de bordes (EPI) para evaluar la calidad de la imagen después del procesamiento por el algoritmo CSDCNN; la precisión, la tasa de recuperación, la tasa precisa y la puntuación F se emplearon para evaluar la eficiencia diagnóstica del algoritmo CSDCNN; el coef

• 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:Eficiencia; Diagnóstico por imagen; Osteosarcoma; Quimioterapia neoadyuvante; Imágenes de resonancia magnética por difusión (DWI-MRI); Algoritmo CSDCNN
• Keywords:Efficiency; Imaging diagnosis; Osteosarcoma; Neoadjuvant chemotherapy; DWI-MRI images; CSDCNN algorithm