Video Experimental Relacionado
Updated: Sep 10, 2025
04:23
A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
Published on: April 21, 2023
2.0K
Un nuevo enfoque híbrido para la detección de enfermedades tiroideas: Integración de algoritmos de sepia y recocido
Kapil Shrivastava1, Saroj Pandey1, Rishav Dubey2
1Department of computer engineering and applications, GLA University, Mathura, Uttar Pradesh India.
MethodsX
|August 22, 2025
Resumen
El diagnóstico precoz de los trastornos de la tiroides es crucial para un tratamiento eficaz. Un nuevo algoritmo híbrido que combina el algoritmo de optimización de la sepia y el recocido simulado logró una precisión del 98,91% en la detección de la enfermedad de la tiroides, mejorando la toma de decisiones clínicas.
Área de la Ciencia:
- Endocrinología y diagnóstico médico
- Inteligencia computacional en la salud
Sus antecedentes:
- Los trastornos de la tiroides, incluidos el hipertiroidismo y el hipotiroidismo, son afecciones endocrinas crónicas que afectan la tasa metabólica.
- El diagnóstico oportuno es fundamental para prevenir complicaciones graves de salud y mejorar la calidad de vida del paciente.
Objetivo del estudio:
- Desarrollar y evaluar un nuevo algoritmo híbrido para la detección temprana y precisa de enfermedades de la tiroides.
- Mejorar los procesos de toma de decisiones clínicas a través de mejores capacidades de diagnóstico.
Principales métodos:
- Se propuso un algoritmo híbrido que integraba el algoritmo de optimización de la sepia (CFA) y el recocido simulado (SA).
- Se emplearon modelos de aprendizaje automático para tareas de clasificación.
- La selección de características se optimizó utilizando el algoritmo híbrido.
Principales resultados:
- El algoritmo híbrido propuesto demostró un alto rendimiento en un conjunto de datos de referencia.
- Se logró una precisión de diagnóstico del 98,91% y una puntuación F1 del 94,83%.
- Mostró la solidez del enfoque combinado de optimización y aprendizaje automático.
Conclusiones:
- La integración del aprendizaje automático con técnicas de optimización inspiradas en la naturaleza mejora significativamente el diagnóstico de trastornos de la tiroides.
- Este enfoque permite un diagnóstico rápido y facilita la planificación eficaz del tratamiento.
- El estudio avanza en el diagnóstico médico para la detección temprana de la enfermedad de la tiroides.
