Resumen

Este trabajo tuvo como objetivo investigar la aplicación de la tomografía por emisión de positrones (PET) en la imagen molecular basada en el algoritmo de aprendizaje profundo en la evaluación de disfunción cognitiva en pacientes con epilepsia. En este estudio, se seleccionaron 52 pacientes hospitalizados con epilepsia como grupo de epilepsia y se trataron con diferentes tipos de medicamentos antiepilépticos, y se seleccionaron 52 voluntarios como grupo de control. En este estudio se propuso un algoritmo de estructura de red optimizada U-net basado en aprendizaje profundo y se comparó con una red neuronal convolucional completamente convolucional (FCNN). Además, se aplicó en la imagen molecular PET de pacientes con epilepsia, y el efecto de segmentación de la estructura de red optimizada U-net fue bueno. Según los exámenes de potenciales evocados, la proporción de pacientes con disfunción cognitiva en el grupo de epilepsia (74.19%) fue mayor que la proporción del grupo de control (7.46%). Los pacientes

• 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:Investigar; Tomografía por emisión de positrones; PET; Imagen molecular; Algoritmo de aprendizaje profundo; Disfunción cognitiva; Epilepsia; Pacientes; Fármacos antiepilépticos; U-net; Estructura de red; FCNN; Segmentación; Exámenes de potenciales relacionados con eventos; Proporción; Grupo control; Fármaco antiepiléptico; Calidad de vida; Convulsiones.
• Keywords:Investigate; Positron emission tomography; PET; Molecular imaging; Deep learning algorithm; Cognitive dysfunction; Epilepsy; Patients; Antiepileptic drugs; U-net; Network structure; FCNN; Segmentation; Event-related potential examinations; Proportion; Control group; Antiepileptic drug; Quality of life; Seizures.