Resumen

Esta investigación tuvo como objetivo estudiar la aplicación de imágenes de tomografía computarizada basadas en aprendizaje profundo en la evaluación de la función pulmonar de pacientes que se sometieron a cirugía laparoscópica bajo la guía de la tomografía de impedancia eléctrica (EIT). Sesenta pacientes sometidos a cirugía laparoscópica fueron tomados como sujetos de investigación, quienes fueron aleatoriamente etiquetados como grupo de control y grupo experimental. Basado en el aprendizaje profundo, se propuso el algoritmo de optimización de redes neuronales convolucionales totalmente convolucionales combinadas con convoluciones vacías (ECFCNN), el cual fue adoptado para evaluar la función pulmonar de 60 pacientes y fue comparado con el algoritmo de redes neuronales convolucionales (CNN). La nitidez del contorno del borde de la imagen segmentada por ECFCNN fue mejor que la segmentada por CNN. Se registraron la presión arterial media (PAM) y la frecuencia cardíaca (FC) antes de la inducción (T1), 10 minutos

• 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:Investigación; Imágenes de TC; Aprendizaje profundo; Evaluación de la función pulmonar; Cirugía laparoscópica; Tomografía de impedancia eléctrica
• Keywords:Research; CT images; Deep learning; Pulmonary function assessment; Laparoscopic surgery; Electrical impedance tomography