Resumen

Las lesiones de nódulos tiroideos son una de las lesiones más comunes del tiroides; la tasa de incidencia ha sido la más alta en los últimos treinta años. La tomografía computarizada (TC) desempeña un papel cada vez más importante en el diagnóstico de las enfermedades tiroideas. Sin embargo, debido a los artefactos y a la alta complejidad de las imágenes de TC de tiroides, el método tradicional de aprendizaje automático no puede aplicarse al procesamiento de imágenes de TC. En este trabajo, se diseña un sistema de reconocimiento y clasificación automática de nódulos tiroideos de principio a fin basado en CNN. Se utiliza una red de segmentación Eff-Unet mejorada para segmentar los nódulos tiroideos como ROI. El algoritmo de procesamiento de imágenes optimiza la región ROI y divide los nódulos. Se propone una red de clasificación de fusión de características de bajo y alto nivel CNN-F para clasificar los nódulos benignos y malignos. Después de conectar cada módulo en serie con el algoritmo, se puede realizar la clasificación automática de cada nódulo. Los resultados experimentales demuestran que el sistema de reconocimiento y clasificación automática de nódulos tiroideos propuesto tiene un excelente rendimiento en el diagnóstico de enfermedades tiroideas. En el conjunto de pruebas, el IOU de segmentación alcanza el 0,855, y la precisión del resultado de la clasificación llega al 85,92%.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:nódulo tiroideo final, sistema de clasificación, reconocimiento automático, enfermedad tiroidea, complejidad del tiroides, red de clasificación cnn, lesiones de nódulos tiroideos, métodos de aprendizaje automático, red de segmentación unet, algoritmo de procesamiento de imágenes
• Keywords:end thyroid nodule, classification system, automatic recognition, thyroid disease, complexity of thyroid, classification network cnn, thyroid nodule lesions, machine learning methods, unet segmentation network, image processing algorithm