Resumen

Este estudio tuvo como objetivo mejorar y detectar las características de imágenes tridimensionales de ultrasonido transvaginal basadas en el algoritmo de ecuaciones diferenciales parciales y el algoritmo HSegNet bajo aprendizaje profundo. De esta manera, se analizó el efecto de los valores de parámetros cuantitativos de la imagen de ultrasonido tridimensional optimizada en el diagnóstico y evaluación de adherencias intrauterinas. Específicamente, se seleccionaron 75 pacientes con sospecha de adherencia intrauterina en el hospital que se sometieron al diagnóstico histeroscópico como sujetos de investigación. La imagen tridimensional de ultrasonido transvaginal fue mejorada y optimizada por el algoritmo de ecuación diferencial parcial y procesada por el algoritmo de aprendizaje profundo. Posteriormente, se realizaron exámenes de ultrasonido transvaginal tridimensional en los sujetos de estudio que cumplieron con los estándares. Se utilizó el método de clasificación de March para clasificar a los pacientes con adherencia intra

• 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; Imágenes tridimensionales de ultrasonido transvaginal; Algoritmo de aprendizaje profundo; Adherencias intrauterinas; Diagnóstico histeroscópico; Algoritmo HSegNet
• Keywords:Study; Three-dimensional transvaginal ultrasound images; Deep learning algorithm; Intrauterine adhesions; Hysteroscopic diagnosis; HSegNet algorithm