Resumen

Objetivo. Investigar el valor de aplicación de un modelo de red neuronal convolucional profunda (CNN) para la evaluación citológica de nódulos tiroideos. Métodos. Se incluyeron en este estudio 117 pacientes con nódulos tiroideos que se sometieron a un examen citológico de tiroides en el Hospital Popular Afiliado de la Universidad de Ningbo entre enero de 2017 y diciembre de 2019. Se recogieron 100 muestras de cáncer papilar de tiroides y 100 muestras no malignas, respectivamente. Las imágenes de las muestras se tradujeron vertical y horizontalmente. Así, se crearon 900 imágenes por separado en las direcciones vertical y horizontal. Las imágenes de muestra se dividieron aleatoriamente en muestras de entrenamiento (n = 1260) y muestras de prueba (n = 540) en una proporción de 7 :3 entre la muestra de entrenamiento y la muestra de prueba. En función de las muestras de entrenamiento, se entrenó y afinó la arquitectura de red neuronal convolucional profunda preentrenada Resnet50. Se construyó un sistema de detección asistida por ordenador basado en una red neuronal convolucional (CNN-CAD) para realizar un escaneado completo de los cortes de la muestra de prueba. Se analizó la capacidad de CNN-CAD para detectar tumores malignos mediante el método de fijación de umbrales. Se recogieron 80 imágenes patológicas de pacientes que recibieron tratamiento entre enero de 2020 y mayo de 2020 y se utilizaron para verificar el valor de CNN en el cribado de nódulos tiroideos malignos como conjunto de verificación. Resultados. Con el aumento del número de iteraciones, la pérdida de entrenamiento y verificación del modelo CNN disminuyó gradualmente y tendió a ser estable, y la precisión de entrenamiento y verificación del modelo CNN aumentó gradualmente y tendió a ser estable. La tasa de pérdida media de las muestras de entrenamiento determinadas por el modelo CNN fue del (22,35 ± 0,62) %, y la tasa de pérdida media de las muestras de prueba determinadas por el modelo CNN fue del (26,41 ± 3,37) %. El índice medio de precisión de las muestras de entrenamiento determinado por el modelo CNN fue del (91,04 ± 2,11) %, y el índice medio de precisión de las muestras de prueba determinado por el modelo CNN fue del (91,26 ± 1,02)%. Conclusiones. Un modelo CNN exhibe un alto valor en el diagnóstico citológico de enfermedades tiroideas que puede ser utilizado para el diagnóstico citológico de tumor maligno de tiroides en la clínica.

• 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:modelo CNN, muestras de entrenamiento, tasa media de precisión, tasa media de pérdidas, muestras de prueba, CNN, ±, diagnóstico citológico, imágenes de muestra, nódulos tiroideos
• Keywords:CNN model, training samples, average accuracy rate, average loss rate, test samples, CNN, ±, cytological diagnosis, sample images, thyroid nodules