Resumen

La radiografía de la mano (AR) es una de las pruebas principales para comprobar el progreso de la inflamación reumatoide en las articulaciones óseas humanas. Reconocer la fase específica de la AR es una tarea difícil, ya que las capacidades humanas frenan regularmente las técnicas para ello. La red neuronal convolucional (CNN) es el centro de reconocimiento de manos para reconocer ejemplos complejos. Las capacidades del cerebro humano funcionan a un alto nivel, por lo que la CNN se ha planificado en función de las organizaciones orgánicas relacionadas con las neuronas en los seres humanos para imitar sus capacidades impredecibles. En consecuencia, este artículo presenta la red neuronal convolucional (CNN) que tiene la capacidad de adquirir competencia de forma natural con las cualidades y anticipar la clase de radiografías de manos a partir de una colección informativa expansiva. Asimismo, se presenta la reproducción de las capas intermedias de la CNN, que representan los elementos de la organización. Para la organización del modelo, se utiliza un conjunto de datos de 290 imágenes de radiografías. El resultado indica que las radiografías de manos se clasifican con una precisión del 94,46 y la metodología propuesta. Nuestros experimentos muestran que la sensibilidad de la red es de 0,95 y la especificidad de 0,82.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:CNN, CNN capas intermedias, red neuronal convolucional, red neuronal convolucional, colección informativa expansiva, articulaciones óseas humanas, capacidades cerebrales humanas, RA, Radiografía de la mano, ejemplos complejos
• Keywords:CNN, CNN halfway layers, Convolutional neural network, convolutional neural network, expansive informational collection, human bone joints, human cerebrum capacities, RA, Hand Radiography, complex examples