Resumen

El estudio se centró en el rendimiento del modelo de reconocimiento de ganglios linfáticos basado en Convolutional Neural Network (CNN), así como en los efectos de diferentes métodos de enfermería de rehabilitación en pacientes con cáncer de esófago. Específicamente, la función de activación y la función de pérdida fueron optimizadas por CNN, para establecer un modelo de reconocimiento de ganglios linfáticos U-Net. Se comparó con el algoritmo Mean Shift y Fuzzy C-means (FCM) en cuanto al valor de pérdida, la precisión media de píxeles (mPA) y la intersección sobre la unión (IOU). Se seleccionaron 158 pacientes con cáncer de esófago sometidos a resección radical como sujetos de investigación. Con los resultados del diagnóstico patológico como estándar de oro, se evaluó el papel de la imagen de TC en el diagnóstico de los ganglios linfáticos del cáncer de esófago. Todos los sujetos se dividieron en grupo de control (enfermer

• 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:Estudio; Red neuronal convolucional; Modelo de reconocimiento de ganglios linfáticos; Métodos de enfermería de rehabilitación; Cáncer de esófago; Modelo U-Net
• Keywords:Study; Convolutional neural network; Lymph node recognition model; Rehabilitation nursing methods; Esophageal cancer; U-Net model