Resumen

El objetivo del estudio era explorar el valor diagnóstico de las imágenes de tomografía computarizada (TC) basadas en el algoritmo U-Net de convolución profunda para pacientes con infección pulmonar grave. Se propuso un nuevo algoritmo de segmentación de imágenes de TC de pulmón (convolución profunda U-Net (DC)) basado en la red U-Net y se comparó con el algoritmo de red neuronal convolucional (CNN). A continuación, se aplicó al diagnóstico de imágenes de TC de 100 pacientes con infección pulmonar grave en el Segundo Hospital Afiliado de la Universidad Médica de Fujian y se comparó con los métodos tradicionales, así como su sensibilidad, especificidad y precisión. Se descubrió que el tiempo de entrenamiento único y la pérdida del algoritmo U-Net DC se reducían en un 59,4 y 9,8%, respectivamente, en comparación con el algoritmo CNN, mientras que Dice aumentó un 3,6%. El contorno pulmonar segmentado por el modelo propuesto era suave, el más cercano al patrón oro. La infección fúngica, la infección bacteriana, la infección vírica, la infección tuberculosa y la infección mixta representaron el 28%, 18%, 7%, 7% y 40%, respectivamente. El 36%, 38%, 26%, 17% y 20% de los pacientes presentaban sombra en vidrio deslustrado, sombra sólida, sombra de nódulo o masa, sombra reticular o lineal y sombra hueca en la TC, respectivamente. La incidencia de diversas características de la TC en pacientes con infecciones fúngicas y bacterianas fue estadísticamente significativa (P<0,05). La especificidad (94,32%) y la precisión (97,22%) del diagnóstico por imagen de TC basado en el algoritmo U-Net DC fueron significativamente superiores a las del método de diagnóstico tradicional (75,74 y 74,23%), y las diferencias fueron estadísticamente significativas (P<0,05). La red del algoritmo en este estudio demostró un excelente efecto de segmentación de la imagen. La imagen de TC basada en el algoritmo U-Net DC puede utilizarse para el diagnóstico de pacientes con infección pulmonar grave, con un alto valor diagnóstico.

• 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:U, pacientes, diagnóstico por imagen de TC, infección pulmonar grave, algoritmo de CC, Red, hospital de la Universidad Médica de Fujian, excelente efecto de segmentación de imágenes, nuevo algoritmo de segmentación de imágenes de TC de pulmón, Segundo Hospital Afiliado.
• Keywords:U, patients, CT image diagnosis, severe pulmonary infection, DC algorithm, Net, Fujian Medical University hospital, excellent image segmentation effect, new lung CT image segmentation algorithm, Second Affiliated Hospital