Biblioteca93.141 documentos en línea

Artículo

Intelligent Noise Reduction Algorithm to Evaluate the Correlation between Human Fat Deposits and Uterine Fibroids under Ultrasound ImagingAlgoritmo inteligente de reducción del ruido para evaluar la correlación entre los depósitos de grasa humana y los fibromas uterinos en las imágenes de ultrasonidos

Resumen

El objetivo de este estudio era realizar el diagnóstico automático de la degeneración grasa de los fibromas uterinos. En este estudio, se mejoró el algoritmo tradicional de medias no locales (NLM) cambiando la distancia euclidiana e introduciendo una función coseno y se aplicó al diagnóstico inteligente por imágenes ultrasónicas de pacientes con degeneración grasa de los miomas uterinos. A continuación, se evaluó el efecto de reducción del ruido del algoritmo NLM mejorado a partir de varios indicadores, como la relación señal-ruido máxima (PSNR), el error cuadrático medio (MSE), la relación contraste-ruido (CNR), la figura de mérito (FOM) y la similitud estructural (SSIM). La precisión, sensibilidad, especificidad y puntuación F1 se adoptaron para evaluar el algoritmo NLM mejorado para diagnosticar la degeneración grasa de los miomas uterinos, y el algoritmo Perona-Malik (PM) y el algoritmo NLM se utilizaron para el análisis comparativo. Los resultados mostraron que, tras la eliminación de ruido de las imágenes ecográficas de las pacientes con miomas uterinos mediante el algoritmo NLM mejorado, la PSNR, la MSE, la CNR, la FOM y la SSIM eran obviamente mejores que los mismos indicadores de la imagen procesada con el algoritmo PM y el algoritmo NLM, y las diferencias eran estadísticamente significativas (P<0,05). Los resultados del diagnóstico de las pacientes con degeneración grasa de los miomas uterinos mostraron que sólo había una paciente con diagnóstico erróneo después de procesar la imagen ecográfica con el algoritmo NLM, y no había diferencias estadísticas entre el algoritmo NLM mejorado y la precisión del diagnóstico asistido de los resultados del examen patológico (P>0,05). El tiempo medio de reducción de ruido del algoritmo PM, el algoritmo NLM y el algoritmo NLM mejorado fue de 16,38 ± 4,33 s, 18,01 ± 5,14 s y 23,81 ± 4,62 s, respectivamente. La tasa de diagnóstico antes de la mejora fue del 75,0%, la tasa de precisión del diagnóstico para PM fue del 79,69%, y la de después de la mejora fue del 85,94%. En resumen, el algoritmo NLM mejorado mostró un buen efecto de reducción del ruido en las imágenes ecográficas de pacientes con miomas uterinos, pudo mejorar la precisión del diagnóstico de la degeneración grasa de los miomas uterinos y pudo ayudar a los médicos en el diagnóstico por imágenes ecográficas de pacientes con miomas uterinos.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento