Resumen

Basándose en la red neuronal convolucional completamente convolucional (FCN) de VGG19 (VGG19-FCN) y el modelo U-Net en los algoritmos de aprendizaje profundo, se segmentó automáticamente el ventrículo izquierdo en el ecocardiograma ultrasonográfico. Además, este estudio evaluó el valor de las características del ecocardiograma ultrasonográfico después de la segmentación por el algoritmo optimizado en el diagnóstico de pacientes con enfermedad coronaria (CHD) y angina de pecho; pacientes con arritmia; y pa. En este estudio, se seleccionaron 30 pacientes con CHD confirmada y 30 personas normales sin CHD del mismo hospital en una determinada área como objetos de investigación. En primer lugar, se seleccionaron los algoritmos del modelo VGG19-FCN y U-Net para segmentar automáticamente la parte ventricular izquierda de la imagen estática apical de cuatro cámaras, lo cual se logró a través de los pesos del algoritmo del modelo básico de ajuste fino. Posteriormente, los sujetos experimentales se dividieron

• 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:Algoritmos de aprendizaje profundo; Cardiograma ultrasónico; Segmentación del ventrículo izquierdo; Modelo VGG19-FCN; Modelo U-Net; Enfermedad coronaria
• Keywords:Deep learning algorithms; Ultrasonic cardiogram; Left ventricular segmentation; VGG19-FCN; U-Net model; Coronary heart disease