Resumen

El objetivo de este trabajo es explorar el valor de aplicación de la ecografía con contraste SonoVue basada en el aprendizaje profundo no supervisado (DNS) en el diagnóstico de la secreción del pezón. En este trabajo, se propone un nuevo modelo (ODNS) basado en el modelo de aprendizaje no supervisado y la red de autocodificación de pila. Las imágenes ultrasónicas de 1.725 pacientes con lesiones mamarias de la base de datos compartida se utilizan como datos de prueba del modelo. Se comparan las diferencias en precisión (Acc), recuerdo (RE), sensibilidad (Sen) y tiempo de ejecución entre los dos modelos antes y después de la optimización y otros algoritmos. Se incluye a un total de 48 pacientes femeninas con secreción del pezón. Se analizan las diferencias en SE, especificidad (SP), valor predictivo positivo (VPP) y valor predictivo negativo (VPN) de la ecografía convencional y la ecografía con contraste en función de los resultados del examen patológico. Los resultados mostraron que cuando el número de capas de la red es 5, las precisiones de clasificación de los datos de los modelos DNS y ODNS alcanzaron los valores más altos, que fueron 91,45 y 98,64%, respectivamente.

• 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:secreción del pezón, datos del modelo ODNS, aprendizaje profundo no supervisado, valor predictivo negativo, resultados del examen patológico, valor predictivo positivo, modelo de aprendizaje no supervisado, DNS, diferencias, artículo
• Keywords:nipple discharge, ODNS model data, deep unsupervised learning, negative predictive value, pathological examination results, positive predictive value, unsupervised learning model, DNS, differences, paper