En los últimos años, la incidencia de los nódulos tiroideos ha mostrado una tendencia creciente año tras año y se ha convertido en una de las enfermedades importantes que ponen en peligro la salud humana. Las imágenes médicas de ultrasonido basadas en aprendizaje profundo se utilizan ampliamente en el diagnóstico clínico debido a su bajo coste, ausencia de radiación y bajo coste. El uso de la tecnología de procesamiento de imágenes para segmentar con precisión el área del nódulo proporciona información auxiliar importante para el diagnóstico del médico, que es de gran valor para guiar el tratamiento clínico. El propósito de este artículo es explorar el valor de aplicación de la detección combinada de la glicoproteína de cadena de azúcar anormal (TAP) y el antígeno carcinoembrionario (CEA) en la estimación del riesgo de cáncer de tiroides en pacientes con nódulos tiroideos de tipo IV y superior basado en imágenes médicas de aprendizaje profundo. En este trabajo, las imágenes de ultrasonido de tiroides se utilizan como contenido de investigación, y el método de conjunto de nivel de contorno activo se utiliza como base de segmentación, y se propone un algoritmo de segmentación para nódulos tiroideos. Este trabajo toma imágenes de ultrasonido de tiroides como contenido de investigación, utiliza el método de conjunto de niveles de contorno activo como base de segmentación, y propone un algoritmo de segmentación de imágenes Fast-SegNet basado en aprendizaje profundo, que amplía el modelo de red que se utilizó principalmente para la segmentación de imágenes médicas de tiroides a más escenarios de la tarea de segmentación. De enero de 2019 a octubre de 2020, se seleccionaron 400 pacientes con nódulos tiroideos de tipo IV y superior para el examen físico y la detección en el Centro de Gestión de la Salud de nuestro hospital, y se diagnosticaron como cáncer de tiroides mediante el examen patológico de los nódulos tiroideos bajo posicionamiento B-ultrasonido. Se comparan las tasas de detección de cáncer de tiroides en pacientes con nódulos tiroideos de tipo IV y superior; se detectan los niveles séricos de TAP y CEA; se utiliza PT-PCR para detectar la expresión de TTF-1, PTEN y NIS; se comparan la detección, el diagnóstico fallido, la tasa de diagnóstico erróneo y la eficacia diagnóstica de los tres métodos de detección. Este artículo utiliza la región del nódulo tiroideo segmentada en base a imágenes médicas de aprendizaje profundo y compara experimentos con el modelo CV, el modelo LBF y el modelo DRLSE. Los resultados experimentales muestran que la tasa de superposición de segmentación de este método es tan alta como 98,4%, lo que indica que el algoritmo propuesto en este artículo puede extraer con mayor precisión el área del nódulo tiroideo.
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.
Artículo:
Método de Boltzmann en redes para evaluar la conductividad hidráulica de un conjunto finito de esferas.
Artículo:
El estrés en la obesidad y los trastornos metabólicos y cardiovasculares asociados
Artículo:
Medición de la concentración de gas y la intensidad del viento en un túnel de viento turbulento con un robot móvil
Artículo:
Detección de drogas alternativas para inyección ilegal basada en la espectroscopia Raman mejorada en superficie
Artículo:
Paradigmas emergentes en la mejora de cultivos basada en genómica
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.