Resumen

El volumen del tejido adiposo epicárdico (EATV) fue medido cuantitativamente mediante imágenes de tomografía computarizada (TC) basadas en aprendizaje profundo, y su correlación con la enfermedad coronaria (CHD) fue investigada en este estudio. 150 pacientes que se sometieron a un examen de TC de arterias coronarias en el hospital fueron tomados como objetos de investigación. Además, los pacientes del grupo de observación (grupo A) padecían de estenosis vascular, mientras que los pacientes del grupo de control (grupo B) no tenían estenosis vascular. Se aplicó un modelo de red neuronal convolucional profunda para construir un algoritmo de aprendizaje profundo, y se adoptaron imágenes de TC basadas en aprendizaje profundo para medir cuantitativamente el EATV. Los resultados mostraron que la sensibilidad, especificidad, precisión y área bajo la curva (AUC) del algoritmo de aprendizaje profundo fueron 0.8512, 0.9899, 0.9623 y 0.9813, respectivamente

• 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:Volumen del tejido adiposo epicárdico; Tomografía computarizada basada en aprendizaje profundo; Enfermedad coronaria; Modelo de red neuronal convolucional profunda; Estenosis vascular; Segmentación de vasos sanguíneos
• Keywords:Epicardial adipose tissue volume; Deep learning-based computed tomography; Coronary heart disease; Deep convolutional neural network model; Vascular stenosis; Blood vessel segmentation